帶有無效令牌的 Python XML 解析錯誤

Question

我正在將代碼從 Python 2.7 移動到 Python 3.10。 代碼的一部分創建了經過“美化”並寫入文件的 XML。 但是在 Python 3.x 中解析會引發錯誤。 在一種情況下，問題似乎與編碼的破折號字符有關。

<?xml version='1.0' encoding='utf8'?>
<properties>
    <entry key="name">AB&amp;R - RFA #3 \xe2\x80\x93 Alignment</entry>
</properties>

解析如下：

xml_parsed = xml.dom.minidom.parseString(xml_string)
return xml_parsed.toprettyxml("    ", "\n")

拋出的錯誤是：

not well-formed (invalid token): line 2

我認為 Python 2.7 不會出現這個問題。 這里有一個關於 en-dash 的很好的描述（盡管我認為我的問題不僅限於 en-dash）。

可以做些什么來解決這個問題？

Answer 1

我最初對問題的描述是不正確的。 XML 文本存儲為字節字符串。 以下代碼對我有用：

    xml_string = xml_string.decode("utf-8")
    xml_parsed = xml.dom.minidom.parseString(xml_string)
    return xml_parsed.toprettyxml("    ", "\n")

我不需要在 Python 2.7 中進行 utf-8 解碼。