Lxml : Ampersand (文本)

Question

我在使用lxml时遇到了问题

我使用lxml解析一个xml文件，并再次将它写回一个新的xml文件。

输入文件：

<tag1>
  <tag2 attr1="a1">&quot; example text &quot;</tag2>
  <tag3>
    <tag4 attr2="a2">&quot; example text &quot;</tag4>
    <tag5>
      <tag6 attr3="a3">&apos; example text &apos;</tag6>
    </tag5>
  </tag3>
</tag1>

脚本：

    from lxml import etree
    parser = etree.XMLParser(remove_comments=False,strip_cdata=False,resolve_entities=False)
    tree = etree.parse("input.xml")
    tree.write("out.xml")

输出：

<tag1>
  <tag2 attr1="a1"> " example text "  </tag2>
  <tag3>
    <tag4 attr2="a2"> " example text " </tag4>
    <tag5>
      <tag6 attr3="a3"> ' example text ' </tag6>
    </tag5>
  </tag3>
</tag1>

我想保留"和'。我甚至试着用

f = open('output.xml', 'w')
f.write(etree.tostring(tree1.getroot(),encoding="UTF-8",xml_declaration=False))
f.close()

但他们都没有解决这个问题。

然后，我尝试用手工替换“"”。

root = tree.getroot()
tag_elements = root.iter()
for tag in tag_elements:
        tag_text = tag.text
        if tag_text is not None:
               tag_text1 = tag_text.replace("\"",""")
               tag.text = tag_text1

但是这给出了下面的输出

<tag1>
  <tag2 attr1="a1"> &amp;quot; example text &amp;quot;  </tag2>
  <tag3>
    <tag4 attr2="a2"> &amp;quot; example text &amp;quot; </tag4>
    <tag5>
      <tag6 attr3="a3"> &apos; example text &apos; </tag6>
    </tag5>
  </tag3>
</tag1>

它用&代替&。我在这里很困惑。请帮我解决这个问题。

Answer 1

&是字符&的xml编码。"是字符"的xml编码。不需要对字符"和'进行编码，因此lxml不对它们进行编码。

你又试着解码文件了吗？它应该能像你期望的那样起作用。如果您需要再次对文档中的字符串进行编码(将&转换为&等)，那么在生成新的xml文档之前，使用lxml树中的各个字符串进行编码。