用Python处理`
`

Question

问题背景：

我有一个XML文件，我将它导入到BeautifulSoup中并通过它进行解析。一个节点具有以下功能：

<DIAttribute name="ObjectDesc" value="Line1&#xD;&#xA;Line2&#xD;&#xA;Line3"/>

注意，该值在文本中包含
和
。我理解这是运输、返回和行提要的XML表示。

当我导入到BeautifulSoup中时，该值将转换为以下内容：

<DIAttribute name="ObjectDesc" value="Line1
Line2
Line3"/>

您会注意到，
被转换为换行符。

我的用例要求该值保持原值。知道怎么才能让它留下来吗？还是把它改回来？

源代码：

python：(2.7.11)

from bs4 import BeautifulSoup #version 4.4.0
s = BeautifulSoup(open('test.xml'),'lxml-xml',from_encoding="ansi")
print s.DIAttribute

#XML file looks like 
'''
<?xml version="1.0" encoding="UTF-8" ?>
<DIAttribute name="ObjectDesc" value="Line1&#xD;&#xA;Line2&#xD;&#xA;Line3"/>
'''

Notepad++说源XML文件的编码是ANSI。

我尝试过的事情：

• 我仔细查过文件，但没有任何结果。
• 第3行的变动： 打印s.DIAttribute.prettify('ascii')打印s.DIAttribute.prettify('windows-1252')打印s.DIAttribute.prettify('ansi')打印s.DIAttribute.prettify('utf-8')打印。 ).replace(‘\n’，‘ #这是可行的，但感觉就像绷带，而且可能还会有其他问题。

有人有什么想法吗？我感谢任何意见/建议。

Answer 1

为了记录在案，首先没有正确处理
实体的库：BeautifulSoup(data ,convertEntities=BeautifulSoup.HTML_ENTITIES)、lxml.html.soupparser.unescape、xml.sax.saxutils.unescape

这就是工作原理(在Python2.x中)：

import sys
import HTMLParser

## accept file name as argument, or read stdin if nothing passed
data = len(sys.argv) > 1 and open(sys.argv[1]).read() or sys.stdin.read()

parser = HTMLParser.HTMLParser()
print parser.unescape(data)