Python xml.etree转义

Question

使用python的xml.etree模块时，如何转义XML特殊字符（如“>”和“ <”）以在标记内使用？ 我必须手动这样做吗？ etree是否有我所缺少的方法或缺点？

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>'

我想在哪里看到以下部分：

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

Answer 1

<和>在XML中不是有效的字符 ，而应替换为< 和> 分别。

您可以使用正则表达式替换无效的字符：

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;'

尽管代码更受人欢迎，但这是进行替换的非常有效的方法。

Answer 2

我想在哪里看到以下部分：

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

这不是格式正确的XML。 我想您忘记了分号，但是添加它们并没有帮助。 以下也是格式错误的：

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

---

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

不幸的是，ElementTree有点松懈，允许您创建伪XML，例如（从问题中得出）：

<filter type="test"><<><a>b</a></<><>><a>b</a></>><=><a>b</a></=></f‌​ilter>

如果您使用的是lxml.etree （请参阅http://lxml.de ）而不是xml.etree.ElementTree ，则会收到一条错误消息：“ ValueError：无效的标记名称u'<'”。