Python xml.etree 转义

Question

当使用 python 的 xml.etree 模块时，我如何转义 xml- 特殊字符，如“>”和“<”以用于标签内？我必须手动这样做吗？ etree 是否有我缺少的方法或 kwarg？

考虑：

In [1]: from xml.etree.ElementTree import Element, SubElement, tostring

In [2]: root = Element('filter')

In [3]: root.set('type', 'test')

In [4]: for op in ['<', '>', '=']:
   ...:     sub_elem = SubElement(root, op)
   ...:     child = Element('a')
   ...:     child.text = 'b'
   ...:     sub_elem.append(child)
   ...:

In [5]: tostring(root)
Out[5]: '<filter type="test"><<><a>b</a></<><>><a>b</a></>><=><a>b</a></=></filter>'

我希望看到的部分如下：

<&lt><a>b</a></&lt>

Answer 1

< 和 > 是 XML 中的 not valid characters，应分别替换为 < 和 >。

您可以使用正则表达式替换无效字符：

import re

regexp = re.compile(r'<|>')  # here we are making a regex to catch either the character '<' or '>'
replacement_map = {'<': '&lt;', '>': '&gt;'}  # a dict to map a character to the replacement value.
regexp.sub(lambda match: replacement_map[match.group(0)], '<a>hello</a>')  # do the replacement

# output: '&lt;a&gt;hello&lt;/a&gt;'

虽然代码有点复杂，但这是一种非常有效的替换方式。

Answer 2

Where I would like to see sections like:

<&lt><a>b</a></&lt>

这不是 well-formed XML。我猜你忘记了分号，但添加分号也无济于事。下面也是ill-formed:

<&lt;><a>b</a></&lt;>

在代码中，您尝试创建名为 <、> 和 = 的元素。那行不通的。 XML 元素名称中禁止使用以下所有内容：<、>、=、>、<。

不幸的是，ElementTree 有点松懈，允许您创建 pseudo-XML，例如这个（来自问题）：

<filter type="test"><<><a>b</a></<><>><a>b</a></>><=><a>b</a></=></f‌ilter>

如果您使用 lxml.etree（参见 http://lxml.de）而不是 xml.etree.ElementTree，您将收到一条错误消息："ValueError: Invalid tag name u'<'".

Python xml.etree 转义

Python xml.etree escaping

python

xml

elementtree