使用lxml和xpath解析xml文件时如何保持＆

Question

我试图使用lxml和xpath指令从输入的xml文件中提取一些信息，并将其打印到输出文件中。 读取类似以下内容的xml标记时出现问题

...
<editor> Barnes &amp; Nobel </editor>
...

为了解析xml文件并打印我使用的编辑器内容（xml中始终只有一个编辑器）：

parser = etree.XMLParser(encoding='utf-8')
docTree = etree.parse( io.BytesIO(open(inputXML, "r").read()), parser )
print docTree.xpath('//editor')[0].text

我的问题是& 在某个时候被转换为'&' ，这弄乱了我的进一步处理。

我如何确保& 符号不会被“解码”吗？

Answer 1

我知道这听起来很冒昧，但是您希望数据为"&" 。 那就是XML元素的文本内容。 如果您以后需要将其处理为"&" ，那么您需要执行将XML（或HTML）编码回"&" ，

您不能要求XML解析器解析您的文档，并且不能将"&" 进入"&" 。 它不会做。

Answer 2

我终于在“ 如何逃离XML中的“＆”符号以便它们在HTML中呈现为实体）的答案中找到了自己的问题的答案。 在我的代码中，我添加了一个中间步骤，以确保所有＆字符在输出中保持不变。 这是

parser = etree.XMLParser(encoding='utf-8')
xmlText = open(inputXML, "r").read().replace("&", "&")
docTree = etree.parse( io.BytesIO(xmlText), parser )
print docTree.xpath('//editor')[0].text

实际上，以防万一，我已将相同的食谱应用于http://en.wikipedia.org/wiki/List_of_XML_and_HTML_character_entity_references#Predefined%5Fentities%5Fin%5FXML中定义的XML中其他可能的实体