lxml / python使用CDATA部分读取xml

Question

在我的xml中，我有一个CDATA部分。 我想保留CDATA部分，然后剥离它。 有人可以提供以下帮助吗？

默认值不起作用：

$ from io import StringIO
$ from lxml import etree
$ xml = '<Subject> My Subject: 美海軍研究船勘查台海水文？ 船<![CDATA[&#xE9;]]>€ </Subject>'
$ tree = etree.parse(StringIO(xml))
$ tree.getroot().text
' My Subject: 美海軍研究船勘查台海水文？ 船&#xE9;€ '

这篇文章似乎暗示parser选项strip_cdata=False可以保留cdata，但没有效果：

$ parser=etree.XMLParser(strip_cdata=False)
$ tree = etree.parse(StringIO(xml), parser=parser)
$ tree.getroot().text    
' My Subject: 美海軍研究船勘查台海水文？ 船é€ '

使用strip_cdata=True （应为默认值）产生相同的结果：

$ parser=etree.XMLParser(strip_cdata=True)
$ tree = etree.parse(StringIO(xml), parser=parser)    
$ tree.getroot().text    
' My Subject: 美海軍研究船勘查台海水文？ 船é€ '

Answer 1

您已经注意到，即使在解析XML内容时使用strip_cdata=False ，也不会在元素的text属性中保留CDATA节。 请参阅https://lxml.de/api.html#cdata 。

在以下情况下， 将保留CDATA节：

1. 使用tostring()序列化时：

    print(etree.tostring(tree.getroot(), encoding="UTF-8").decode()) 

2. 写入文件时：

    tree.write("subject.xml", encoding="UTF-8")