python xml.dom 中的 XML 字符

Question

我正在从 python 生成一个 xml 文档。我们正在使用 xml.dom 包来创建 xml 文档。我们在想要生成字符 φ 时遇到问题。这是一个φ。但是，当我们将该字符串放入文本节点并在其上调用 toxml() 时，我们会得到 φ。我们当前的解决方案是在 toxml() 的结果上使用 saxutils.unescape() 但这并不理想，因为我们必须解析 xml 两次。

有没有办法让 dom 包识别“φ”作为 xml 字符？

Answer 1

我认为您需要使用带有 \u03c6 的 Unicode 字符串，因为文本节点的 .data 字段应该（据我了解）是“解析”数据，不包括 XML 实体（当返回 XML 时，& 的来源）。如果您想确保在输出时将非 ascii 字符表示为实体，您可以这样做：

import codecs

def ent_replace(exc):
  if isinstance(exc, (UnicodeEncodeError, UnicodeTranslateError)):
    s = []
    for c in exc.object[exc.start:exc.end]:
      s.append(u'&#x%4.4x;' % ord(c))
    return (''.join(s), exc.end)
  else:
    raise TypeError("can't handle %s" % exc.__name__)

codecs.register_error('ent_replace', ent_replace)

并使用x.toxml().encode('ascii', 'ent_replace')。