使用xml.dom.minidom时在xml中转义'<'和'>'

Question

使用xml.dom.minidom在xml文件中转义“ <”和“>”时，我陷入了困境。 我试图获取unicode十六进制值，并改用它
http://slayeroffice.com/tools/unicode_lookup/

尝试使用标准的“ <”和“>”，但仍然没有成功。

from xml.dom.minidom import Document
doc = Document()
e = doc.createElement("abc")
s1 = '<hello>bhaskar</hello>'
text = doc.createTextNode(s1)
e.appendChild(text)

e.toxml()
'<abc>&lt;hello&gt;bhaskar&lt;/hello&gt;</abc>'

与writexml（）的结果相同也可以通过在toxml（）writexml（）调用中指定编码'UTF-8'，'utf-8'，'utf'来尝试，但结果相同。

from xml.dom.minidom import Document
doc = Document()
e = doc.createElement("abc")
s1 = u'<hello>bhaskar</hello>'
text = doc.createTextNode(s1)
e.appendChild(text)

e.toxml()
u'<abc>&amp;lt;hello&amp;gt;bhaskar&amp;lt;/hello&amp;gt;</abc>'

尝试了其他方法，但结果相同。 我可以解决的唯一方法是重写作者

import xml.dom.minidom as md
# XXX Hack to handle '<' and '>'
def wd(writer, data):
    data = data.replace("&lt;", "<").replace("&gt;", ">")
    writer.write(data)

md._write_data = wd

编辑-这是代码 。

    import xml.dom.minidom as md
    doc = md.Document()

    entity_descr = doc.createElement("EntityDescriptor")
    doc.appendChild(entity_descr)
    entity_descr.setAttribute('xmlns', 'urn:oasis:names:tc:SAML:2.0:metadata')
    entity_descr.setAttribute('xmlns:saml', 'urn:oasis:names:tc:SAML:2.0:assertion')
    entity_descr.setAttribute('xmlns:ds', 'http://www.w3.org/2000/09/xmldsig#')
    # Get the entity_id from saml20_idp_settings
    entity_descr.setAttribute('entityID', self.group['entity_id'])

    idpssodescr = doc.createElement('IDPSSODescriptor')
    idpssodescr.setAttribute('WantAuthnRequestsSigned', 'true')
    idpssodescr.setAttribute('protocolSupportEnumeration', 
    'urn:oasis:names:tc:SAML:2.0:protocol')
    entity_descr.appendChild(idpssodescr)

    keydescr = doc.createElement('KeyDescriptor')
    keydescr.setAttribute('use', 'signing')
    idpssodescr.appendChild(keydescr)
    keyinfo = doc.createElement('ds:KeyInfo')
    keyinfo.setAttribute('xmlns:ds', 'http://www.w3.org/2000/09/xmldsig#')
    keydescr.appendChild(keyinfo)
    x509data = doc.createElement('ds:X509Data')
    keyinfo.appendChild(x509data)


    # check this part 

    s = "this is a cert  blah blah"
    x509cert = doc.createElement('ds:X509Certificate')
    cert = doc.createTextNode(s)
    x509cert.appendChild(cert)
    x509data.appendChild(x509cert)

    sso = doc.createElement('SingleSignOnService')
    sso.setAttribute('Binding', 'urn:oasis:names:tc:SAML:2.0:bindings:HTTP-Redirect')

    sso.setAttribute('Location', 'http://googleapps/singleSignOn')
    idpssodescr.appendChild(sso)

    # Write the metadata file.
    fobj = open('metadata.xml', 'w')
    doc.writexml(fobj, "   ", "", "\n", "UTF-8")
    fobj.close()

这产生

   <?xml version="1.0" encoding="UTF-8"?>
   <EntityDescriptor entityID="skar" xmlns="urn:oasis:names:tc:SAML:2.0:metadata"    
   xmlns:ds="http://www.w3.org/2000/09/xmldsig#" 
   xmlns:saml="urn:oasis:names:tc:SAML:2.0:assertion">
   <IDPSSODescriptor WantAuthnRequestsSigned="true"   
   protocolSupportEnumeration="urn:oasis:names:tc:SAML:2.0:protocol">
   <KeyDescriptor use="signing">
   <ds:KeyInfo xmlns:ds="http://www.w3.org/2000/09/xmldsig#">
   <ds:X509Data>
   <ds:X509Certificate>
    this is a cert  blah blah
   </ds:X509Certificate>
   </ds:X509Data>
   </ds:KeyInfo>
   </KeyDescriptor>
   <SingleSignOnService Binding="urn:oasis:names:tc:SAML:2.0:bindings:HTTP-Redirect" 
   Location="http:///singleSignOn"/>
   </IDPSSODescriptor>
   </EntityDescriptor>

请注意，“这是证书”是单独发出的，虽然我为此感到头疼，但结果却相同。

Answer 1

这不是错误，而是功能。 要插入实际的XML，请插入DOM对象。 尽管XML标记内的文本是有效的XML，但需要对其进行转义。

from xml.dom.minidom import Document
doc = Document()
e = doc.createElement("abc")
eh = doc.createElement("hello")
s1 = 'bhaskar'
text = doc.createTextNode(s1)

eh.appendChild(text)
e.appendChild(eh)

e.toxml()

编辑：我不知道Python的API是什么样的，但是它看起来与C＃的非常相似，因此您可以执行e.innerXml = s1来完成您想做的事情...但是那可以坏。 更好的方法是同时解析它和appendChild 。

编辑2：我只是通过Python在本地运行，肯定有问题，而不是在库中。 确保您的字符串开头没有任何换行符或空格。 作为参考，我使用的测试代码为：

Python 2.6.2 (release26-maint, Apr 19 2009, 01:56:41) 
[GCC 4.3.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> from xml.dom.minidom import Document
>>> cert = "---- START CERTIFICATE ----\n   Hello world\n---- END CERTIFICATE ---"
>>> doc = Document()
>>> e = doc.createElement("cert")
>>> certEl = doc.createTextNode(cert)
>>> e.appendChild(certEl)
<DOM Text node "'---- START'...">
>>> print e.toxml()
<cert>---- START CERTIFICATE ----
   Hello world
---- END CERTIFICATE ---</cert>
>>> 

编辑3：最后编辑。 问题出在您的writexml调用中。 只需使用以下修复此问题：

doc.writexml(fobj)
# or
doc.writexml(fobj, "", "  ", "")

不幸的是，尽管您似乎无法使用newline参数进行漂亮的打印...似乎Python库（或至少minidom ）编写得很差，并且会在打印它们时修改TextNode。 与其说是天真的，还不如说是一个糟糕的实现。 真可惜...

Answer 2

如果在XML中使用"<" 作为文本 ，则需要对其进行转义，否则将其视为标记。 因此xml.dom可以将其转义是正确的，因为您已经请求了文本节点。

假设您确实要插入XML，我建议使用createElement("hello") 。 如果您有不知道其结构的XML片段，则应首先对其进行解析，然后将解析结果的节点移至另一棵树中。

如果要入侵，可以继承xml.dom.minidom.Text，并覆盖writexml方法。 有关详细信息，请参见简约源。