如何使用yattag库输出CDATA

Question

我试着用下面的代码生成一个包含标签</documents>的XML文件。

string = "dasdd Wonder asdf new single, “Tomorrow” #URL# | " \
    "oiojk asfddsf releases new asdfdf, “gfsg” | " \
    "Identity of asfqw who dasd off asdfsdf Mainland jtyjyjui revealed #URL#"

from yattag import Doc, indent
import html, re

doc, tag, text = Doc().tagtext()
with tag('author', lang='en'):
    with tag('documents'):
        for tweet in string.split(' | '):
            with tag('document'):
                tweet = html.unescape(tweet)
                text('<![CDATA[{}]]'.format(tweet))
result = indent(doc.getvalue(), indentation=' ' * 4, newline='\n')
with open('test.xml', 'w', encoding='utf-8') as f:
    f.write(result)

我想在文本周围添加CDATA标记，但是当我使用Notepad++打开生成的文件时，而不是像下面这样输出：

<document><![CDATA[oiojk asfddsf releases new asdfdf, “gfsg”]]></document>

它看起来像(带有HTML实体)：

<document>&lt;![CDATA[oiojk asfddsf releases new asdfdf, “gfsg”]]</document>

我尝试使用HTML库(html.unescape行)来丢弃HTML实体，但是我不能。

如何解决这个编码问题？

Answer 1

text方法总是用<替换'<‘。如果您不想进行这种转义，那么可以使用asis方法(它会按原样插入字符串)。但是，在您的示例中，使用Yattag的cdata方法会更合适。

from yattag import Doc
help(Doc.cdata)

cdata(self，strg，safe=False)附加一个包含所提供字符串的CDATA节。

您不必担心会终止CDATA部分的潜在]]>序列。它们被]]]]><![CDATA[>所取代。

如果你确定你的字符串不包含]]>，你可以传递safe = True。如果这样做，就不会在您的字符串中搜索]]>序列。

因此，在您的情况下，您可以这样做：

for tweet in string.split(' | '):
    with tag('document'):
        tweet = html.unescape(tweet)
        doc.cdata(tweet)