带有cElementTree的ParseError无效字符

Question

我试图迭代地解析一棵树，末尾有一个校验和，使用：

import xml.etree.cElementTree as et
for event, elem in et.iterparse("C:\myXMLfile.xml"):
    if elem.tag == "Signature":
        elem.clear()

这将在以下字符引发一个ParseError: reference to invalid character number: line 4205, column 25：<Signature value="e?'O;????5?u??c???]????<??jX" />

我原以为elem.clear()语句可以解决这个问题，但它似乎是在清除之前先处理属性。有没有一种方法可以在不先处理元素的情况下清除它？

Answer 1

这就是我最终要做的：

1. 将XML文件作为文本读取到内存中。
2. 使用正则表达式查找标记。
3. 删除开始标记和结束标记之间的所有内容。
4. 重写到XML文件。
5. 解析新的XML文件。
6. 继续我的快乐之路。

Answer 2

查看definition of xml.etree.cElementTree.iterparse，您会注意到事件有一个可选参数，您可以在其中报告"start“事件(默认情况下是”end“事件)。您可以利用它在开始事件之后执行elem.clear()，并作为双分支if语句继续结束事件。