如何使用 & 符号读取 xml 文件答案

【问题标题】：How to read an xml file with & sign如何使用 & 符号读取 xml 文件
【发布时间】：2016-08-28 14:22:21
【问题描述】：

这是我的xml 文件：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE papers>
<papers>
  <paper>
    <title>Title containing & and more</title>
  </paper>
</papers>

我如何使用lxml 的etree 阅读？我试过了

from lxml import etree

with open(xml_file, 'r') as inf:
    tree = etree.parse(inf)

但它会导致以下 Traceback：

Traceback (most recent call last):
  File "<stdin>", line 2, in <module>
  File "lxml.etree.pyx", line 3239, in lxml.etree.parse (src/lxml/lxml.etree.c:69955)
  File "parser.pxi", line 1769, in lxml.etree._parseDocument (src/lxml/lxml.etree.c:102257)
  File "parser.pxi", line 1789, in lxml.etree._parseFilelikeDocument (src/lxml/lxml.etree.c:102516)
  File "parser.pxi", line 1684, in lxml.etree._parseDocFromFilelike (src/lxml/lxml.etree.c:101442)
  File "parser.pxi", line 1134, in lxml.etree._BaseParser._parseDocFromFilelike (src/lxml/lxml.etree.c:97069)
  File "parser.pxi", line 582, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:91275)
  File "parser.pxi", line 683, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:92461)
  File "parser.pxi", line 622, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:91757)
lxml.etree.XMLSyntaxError: xmlParseEntityRef: no name, line 5, column 30

【问题讨论】：

我通过 xmllint 运行了您的 XML 文件，并在 & 符号处出现错误。这意味着您的 XML 格式不正确。
用&amp;转义
我无法更改文件。
@MERose, ...文件错误。正如现在所写的那样，它不是有效的 XML，因此不是真正的“XML 文件”。使用创建它的任何软件提交错误。

标签： python parsing lxml

【解决方案1】：

如果需要保留& 字符，可以将文件解析为HTML。

from lxml import html
tree = html.parse(path)

如果您不需要需要& 字符，您可以创建一个新的XML 解析器并传递recover=True 选项。

from lxml import etree
parser = etree.XMLParser(recover=True)
tree = etree.parse(path, parser=parser)

【讨论】：

【解决方案2】：

由于 xml 文件格式不正确，由于 ampersand（预定义的 xml 实体），请尽可能使用 BeautifulSoup。它是一个更容错的解析器。

from bs4 import BeautifulSoup
soup = BeautifulSoup(data)
print soup.find("title").text

输出

Title containing & and more

【讨论】：