xml.etree以一种意想不到的方式将xml写入文件

Question

我使用xml.etree.ElementTree来解析和修改一个utf-8XML文件。其中2个问题是因为文件是以Unix文件格式写入的，而不是Windows。问题1很明显，行尾是\n而不是\r\n。问题2是由于不同的文件格式(我假设)，utf-8字符串的呈现方式不同。如何强制write()函数保存为Windows文件格式？我目前使用write()的方式如下：

    # -*- coding: utf-8 -*-
    import xml.etree.ElementTree as ET
    import sys

    altSpellingTree = ET.parse(sys.argv[2])
    altSpellingRoot = altSpellingTree.getroot()
    recordList = altSpellingRoot.findall("record") # Grab all <record> elements and iterate
    for record in recordList:
        # Check for the existence of an <alternative_spelling> element
        alt_spelling_node = record.find("person").find("names").find("alternative_spelling")
        if alt_spelling_node == None:
            continue
        else:
            # Check if <alternative_spelling> element text is solely ","
            if alt_spelling_node.text == ",":
                alt_spelling_node.text = None # Remove the lone comma
    altSpellingTree.write(sys.argv[2], encoding="utf-8", xml_declaration=True)

第三个问题是输出的文件使用了自结束标记，而以前有一个开始标记和一个结束标记(例如，<Country></Country>变成了<Country />)。有没有办法防止这种情况发生？

-编辑

下面是程序运行前XML的两个示例：

    <Country></Country>
    <Category_Type></Category_Type>
    <Standard></Standard>

    <names>
      <first_name>Fernando</first_name>
      <last_name>ROMERO AVILA</last_name>
      <aliases>
        <alias xsi:nil="true" />
      </aliases>
      <low_quality_aliases>
        <alias xsi:nil="true" />
      </low_quality_aliases>
      <alternative_spelling>ROMERO ÁVILA,Fernando</alternative_spelling>
    </names>

和程序运行后相同的2个样本：

    <Country />
    <Category_Type />
    <Standard />

    <names>
      <first_name>Fernando</first_name>
      <last_name>ROMERO AVILA</last_name>
      <aliases>
        <alias xsi:nil="true" />
      </aliases>
      <low_quality_aliases>
        <alias xsi:nil="true" />
      </low_quality_aliases>
      <alternative_spelling>ROMERO ÃVILA,Fernando</alternative_spelling>
    </names>

Answer 1

我还没有测试你的代码是否有bug，但为了避免自动关闭标签，请更改以下代码：

altSpellingTree.write(sys.argv[2], encoding="utf-8", xml_declaration=True)

至

altSpellingTree.write(sys.argv[2], encoding="utf-8", xml_declaration=True, method="html")

应该能行得通。

为了大大简化您的代码，您可以使用iter来搜索树，如下所示：

import xml.etree.ElementTree as ET

tree = ET.parse('your.xml')

for el in tree.iter('alternative_spelling'):
    # check your el text or whatever
    if el.text == u",":
        el.text = ""
    print el.text