lxml Python 包将版权符号更改为 HTML 实体

lxml Python package changes copyright symbol to HTML entity

我有一个 Python 程序可以读取 XML 文件并修改版本属性。其中一些文件还有版权声明，版权符号为 ©。 lxml 包将这些转换为 HTML 实体 &#169。有没有办法防止这种情况？

我尝试使用 XMLParser 函数的 resolve_entities 参数，但没有效果。我试过 Python 2.7 和 3.6.3。以下程序适用于 Python 3.

# coding: utf-8
import os
import glob
import argparse
from lxml import etree

xParser = etree.XMLParser(strip_cdata=False, resolve_entities=False)
etree.set_default_parser(xParser)

someXML ='<node version="1.0.1"><copyright>Copyright © 2017 by me</copyright></node>'

doc = etree.fromstring(someXML)

print(someXML)
print(etree.tostring(doc))

它打印出来：

<node version="1.0.1"><copyright>Copyright c 2017 by me</copyright></node>
b'<node version="1.0.1"><copyright>Copyright &#169; 2017 by me</copyright></node>'

您可以在转储到字符串时指定 unicode 编码：

etree.tostring(doc, encoding="unicode")

演示：

In [1]: from lxml import etree

In [2]: xParser = etree.XMLParser(strip_cdata=False, resolve_entities=False)

In [3]: someXML ='<node version="1.0.1"><copyright>Copyright © 2017 by me</copyright></node>'

In [4]: doc = etree.fromstring(someXML, parser=xParser)

In [5]: print(someXML)
<node version="1.0.1"><copyright>Copyright © 2017 by me</copyright></node>

In [6]: print(etree.tostring(doc, encoding="unicode"))
<node version="1.0.1"><copyright>Copyright © 2017 by me</copyright></node>