使用lxml和xpath解析xml文件時如何保持＆

Question

我試圖使用lxml和xpath指令從輸入的xml文件中提取一些信息，並將其打印到輸出文件中。 讀取類似以下內容的xml標記時出現問題

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

為了解析xml文件並打印我使用的編輯器內容（xml中始終只有一個編輯器）：

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

我的問題是& 在某個時候被轉換為'&' ，這弄亂了我的進一步處理。

我如何確保& 符號不會被“解碼”嗎？

Answer 1

我知道這聽起來很冒昧，但是您希望數據為"&" 。 那就是XML元素的文本內容。 如果您以后需要將其處理為"&" ，那么您需要執行將XML（或HTML）編碼回"&" ，

您不能要求XML解析器解析您的文檔，並且不能將"&" 進入"&" 。 它不會做。

Answer 2

我終於在“ 如何逃離XML中的“＆”符號以便它們在HTML中呈現為實體）的答案中找到了自己的問題的答案。 在我的代碼中，我添加了一個中間步驟，以確保所有＆字符在輸出中保持不變。 這是

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

實際上，以防萬一，我已將相同的食譜應用於http://en.wikipedia.org/wiki/List_of_XML_and_HTML_character_entity_references#Predefined%5Fentities%5Fin%5FXML中定義的XML中其他可能的實體