删除特定分隔符内的所有空格

Question

我正在尝试处理一个包含格式错误的元素的xml文件。你知道吗

错误形成的元素是不遵循以下模式的元素：<name attribute1=value1 attribute2=value2 ... attributeN=valueN>

可以有0到n个属性。你知道吗

因此，<my element number>无效，而<my element=number>无效。你知道吗

以下是我的文本示例：

<product_name>
    A high wind in Jamaica <The innocent voyage>  The modern library of the world s best books   Books  Richard Arthur Warren Hughes
</product_name>

在这里，<product_name>是一个好的元素，而<The innocent voyage>不是。你知道吗

当发现不正确的元素时，我希望用中性字符替换<>，例如+。你知道吗

因为包含这些标签的文件相当大（1.5gb），所以我不想使用暴力方法。你知道吗

你们能想出一个快速（如果可能的话，优雅）的方法来解决这个问题吗？你知道吗

Answer 1

当您声明希望远离regex时，我能够创建以下不使用regex的代码（尽管我确信regex会非常有用）

def valid_tag(tag):
    temp = tag.split()
    for word in temp[1:]:
        if "=" not in word:
            return False
    return True

在这里，您将一个标记作为字符串作为参数传入。例如："<hello test=test>"

您可以在每个标记上运行此测试，方法是创建另一个获取标记的方法，方法是找到一个"<"，然后找到后面的第一个">"，并从该子字符串创建一个子字符串，该子字符串将是您传递给此方法的标记。你知道吗

注意：这假设您的标记是按如下方式编写的：<hello test=test>而不是< hello test = test >

这个方法仍然非常原始，并作出一些假设，如我上面所说，但希望它会给你一个开始，你需要的。你知道吗