Python lxml中的XML漂亮打印失败

Question

我正在尝试在 Python 2.7.6 中使用 lxml 4.1.1 读取、修改和写入 XML 文件。

我的代码：

import lxml.etree as et

fn_xml_in = 'in.xml'
parser = et.XMLParser(remove_blank_text=True)
xml_doc = et.parse(fn_xml_in, parser)
xml_doc.getroot().find('b').append(et.Element('c'))
xml_doc.write('out.xml', method='html', pretty_print=True)

输入文件in.xml 如下所示：

<a>
    <b/>
</a>

以及生成的输出文件out.xml:

<a>
    <b><c></c></b>
</a>

或者当我设置remove_blank_text=True:

<a><b><c></c></b></a>

我希望 lxml 在 b 元素中插入换行符和缩进：

<a>
    <b>
        <c></c>
    </b>
</a>

我怎样才能做到这一点？

我尝试了一些 tidy lib 包装器，但它们似乎专注于 HTML 而不是 XML。

我也尝试将换行符添加为b 的tail，但随后连缩进都被破坏了。

编辑：我需要 c 元素在开始和结束标记中保持分隔：<c></c>。这就是我在示例中使用method='HTML' 的原因。

Answer 1

在编写时使用“xml”输出方法（这是默认的，因此不必明确给出）。

将c 元素的text 属性设置为空字符串，以确保该元素被序列化为<c></c>。

代码：

import lxml.etree as et

parser = et.XMLParser(remove_blank_text=True)
xml_doc = et.parse('in.xml', parser)

b = xml_doc.getroot().find('b')
c = et.Element('c')
c.text=''
b.append(c)

xml_doc.write('out.xml', pretty_print=True)

结果（out.xml）：

<a>
  <b>
    <c></c>
  </b>
</a>

Answer 2

感谢 mzjn 的评论，我找到了一个可行但不优雅的解决方案。由于我需要在 HTML 语法中保留空元素，因此仅使用 method='XML' 并不令人满意。

将文档格式化两次会产生所需的结果：

import lxml.etree as et

parser = et.XMLParser(remove_blank_text=True)
xml_doc = et.parse('in.xml', parser)
xml_doc.getroot().find('b').append(et.Element('c'))
xml_doc.write('out.xml', pretty_print=True)

parser = et.XMLParser(remove_blank_text=False)
xml_doc = et.parse('out.xml', parser)
xml_doc.write('out.xml', pretty_print=True, method='HTML')

结果：

<a>
  <b>
    <c></c>
  </b>
</a>

不优雅，但工作。