我曾經(jīng)ElementTree生成帶有'\x0b'特殊字符的xml，然后minidom用來解析它。它會拋出not well-formed錯誤。import xml.etree.ElementTree as ETfrom xml.dom import minidomroot = ET.Element('root')root.text='\x0b'xml = ET.tostring(root, 'UTF-8')print(xml)pretty_tree = minidom.parseString(xml)生成的 XML：<root>\x0b</root>錯誤：Traceback (most recent call last): File "testXml.py", line 7, in <module> pretty_tree = minidom.parseString(xml) File "/usr/local/Cellar/python/3.7.7/Frameworks/Python.framework/Versions/3.7/lib/python3.7/xml/dom/minidom.py", line 1968, in parseString return expatbuilder.parseString(string) File "/usr/local/Cellar/python/3.7.7/Frameworks/Python.framework/Versions/3.7/lib/python3.7/xml/dom/expatbuilder.py", line 925, in parseString return builder.parseString(string) File "/usr/local/Cellar/python/3.7.7/Frameworks/Python.framework/Versions/3.7/lib/python3.7/xml/dom/expatbuilder.py", line 223, in parseString parser.Parse(string, True)xml.parsers.expat.ExpatError: not well-formed (invalid token): line 1, column 6
3 回答
德瑪西亞99
TA貢獻1770條經(jīng)驗 獲得超3個贊
此行為在過去已作為錯誤提出，并已解決為“不會修復(fù)”。
ElementTree模塊作者點評
對于 ET，[這種行為] 是故意的。驗證每個應(yīng)用程序提供的數(shù)據(jù)會降低所有應(yīng)用程序的性能，即使只有一小部分人會嘗試序列化無法用 XML 表示的數(shù)據(jù)。
結(jié)束評論（由lxml的維護者，同時也是 Python 核心開發(fā)人員撰寫）包括以下觀察：
這是一個棘手的決定。例如，lxml 驗證用戶輸入，但那是因為它無論如何都必須處理它，并且直接在輸入時進行處理（并且在 C 代碼中非常有效）。另一方面，ET 對于允許用戶執(zhí)行的操作相當(dāng)寬松，并且不會對用戶輸入進行太多處理。它甚至在處理過程中允許無效的樹，并且只期望樹在被請求序列化時是可序列化的。
我認(rèn)為這是一種公平的行為，因為大多數(shù)用戶輸入都可以，并且不需要承受驗證所有輸入的性能損失。例如，空字符在文本中很少見，我認(rèn)為讓用戶自己處理可能出現(xiàn)的少數(shù)情況是合理的。
...
最后，真正關(guān)心正確輸出的用戶應(yīng)該在序列化后對其運行某種模式驗證，因為這不僅會檢測數(shù)據(jù)問題，還會檢測結(jié)構(gòu)和邏輯問題（例如缺失或空屬性），特別是針對他們的目標(biāo)數(shù)據(jù)格式。在某些情況下，它甚至可能檢測到由于服務(wù)器計算機中的舊非 ECC RAM 而導(dǎo)致的隨機數(shù)據(jù)損壞。:)
...
所以總而言之，ET.tostring將生成格式不正確的 xml，這是設(shè)計使然。如有必要，可以使用ET.fromstring或其他解析器解析輸出以檢查其格式是否正確。或者，可以使用 lxml 代替 ElementTree。
qq_遁去的一_1
TA貢獻1725條經(jīng)驗 獲得超8個贊
作為我自己的解決方法，我編寫了一個輔助方法來在保存到 XML 模型之前清除受限字符：
def clean(str): return re.sub(r'[^\u0009\u000A\u000D\u0020-\uD7FF\uE000-\uFFFD\u10000-\u10FFF]+', '', str)
添加回答
舉報
0/150
提交
取消