防止 lxml 創建自閉合標簽

Question

我有一個（舊）工具，它不理解像<STATUS/>這樣的自閉合標簽。 因此，我們需要使用這樣的打開/關閉標簽來序列化我們的 XML 文件： <STATUS></STATUS> 。

目前我有：

>>> from lxml import etree

>>> para = """<ERROR>The status is <STATUS></STATUS>.</ERROR>"""
>>> tree = etree.XML(para)
>>> etree.tostring(tree)
'<ERROR>The status is <STATUS/>.</ERROR>'

如何使用打開/關閉的標簽進行序列化？

<ERROR>The status is <STATUS></STATUS>.</ERROR>

解決方案

由wildwihelm 給出，如下：

>>> from lxml import etree

>>> para = """<ERROR>The status is <STATUS></STATUS>.</ERROR>"""
>>> tree = etree.XML(para)
>>> for status_elem in tree.xpath("//STATUS[string() = '']"):
...     status_elem.text = ""
>>> etree.tostring(tree)
'<ERROR>The status is <STATUS></STATUS>.</ERROR>'

Answer 1

似乎<STATUS>標簽被分配了None的text屬性：

>>> tree[0]
<Element STATUS at 0x11708d4d0>
>>> tree[0].text
>>> tree[0].text is None
True

如果您將<STATUS>標簽的text屬性設置為空字符串，您應該得到您要查找的內容：

>>> tree[0].text = ''
>>> etree.tostring(tree)
'<ERROR>The status is <STATUS></STATUS>.</ERROR>'

考慮到這一點，您可能可以在寫出 XML 之前遍歷 DOM 樹並修復text屬性。 像這樣的東西：

# prevent creation of self-closing tags
for node in tree.iter():
    if node.text is None:
        node.text = ''

Answer 2

如果你 tostring lxml dom is HTML ，你可以使用

etree.tostring(html_dom, method='html')

防止像<a />這樣的自閉合標簽