正则表达式 python 编码的 xml

Question

我有一个 html 编码的 xml 有效负载，我想在其中使用正则表达式来提取该 xml 的某个部分并将其写入文件。我知道对 xml 使用正则表达式通常不是一个好习惯，但我认为这是一个特殊的用例。

无论如何这里是一个示例编码的 xml：

<root>
    <parent>
        <test1>
            <another>
                <subelement>
                    <value>hello</value>
                </subelement>
            </another>
        </test1>
    </parent>
</root>

我最终希望我的结果是：

<test1>
    <another>
        <subelement>
            <value>hello</value>
        </subelement>
    </another>
</test1>

这是我在 python 中的实现，用于提取 <test1> 和 </test1> 之间的所有文本：

import html
import re

file_stream = open('/path/to/test.xmp', 'r')
raw_data = file_stream.read()
escaped_raw_data = html.unescape(raw_data)

result = re.search(r"<test1[\s\S]*?<\/test1>", escaped_raw_data)

但是我没有得到结果匹配，我做错了什么？如何实现我的目标？

Answer 1

这对我有用：

import html
import re

raw_data = '''
<root>
    <parent>
        <test1>
            <another>
                <subelement>
                    <value>hello</value>
                </subelement>
            </another>
        </test1>
    </parent>
</root>
'''

escaped_raw_data = html.unescape(raw_data)

result = re.search(r'(<test1>.*</test1>)', escaped_raw_data, re.DOTALL)

if result:
    print(result.group(0))