用占位符替换 XML 实体 (& < > )答案

【问题标题】：Replacing XML entity (& < >  ) with a placeholder用占位符替换 XML 实体 (& < > )
【发布时间】：2020-05-20 21:42:06
【问题描述】：

我有一个这样的 XML 文件；

<Table>
<Row>
    <Cell>text id</Cell>
    <Cell>First Text&lt;br/&gt;&amp;nbsp;&lt;br/&gt;</Cell>
    <Cell>Second Text&lt;br/&gt;&amp;nbsp;&lt;br/&gt;</Cell>
</Row>
.
.
</Table>

通过使用这些代码，我将<Cell></Cell> 中的每个文本都发送到一个列表变量。

tree = ET.parse(file_path)
root = tree.getroot()
list = []
for row in root.iter(tag='Row'):
    for cell in row:
        list.append(cell.text)

问题是First Text&lt;br/&gt;&amp;nbsp;&lt;br/&gt;变成First Text<br/>&nbsp;<br/>

我想用我自己分配的占位符替换这些实体字符，因为我必须稍后在我的程序中将它们替换为原始形式。例如;

special character -> [placeholder] <br/> -> [br/] & -> [amp]   -> [nbsp]

【问题讨论】：

你能解释一下你这样做的原因吗？在大多数情况下，这种诡计是不必要的——它源于对如何处理 XML 数据的误解。
我正在做游戏翻译，我正在将这些文本发送到谷歌翻译。 Google Translate API 在遇到这些实体字符时会失败。为了正确翻译，我必须删除/替换这些实体字符，翻译后我必须将它们放回去。当我收集要列出的文本时，这些实体字符会像 <变成
不熟悉 Google Translate API - 它以什么形式返回翻译后的文本？列表？字典？
因此，您希望在调用 XML 解析器之前进行字符串替换，这样就不会发生字符实体替换，并且您可以恢复准确的原始文本。那么...您尝试过什么：文本替换？如果您发布该代码，我们或许能够发现问题。

标签： python python-3.x xml xml-parsing

【解决方案1】：

我找到了办法。在 XML 解析之前，我使用 readlines() 读取每一行，然后在新的 xml 文件中的该写入行之后用占位符替换实体字符。翻译后，我可以使用 replace() 将它们替换为原始形式。

First Text&lt;br/&gt;&amp;nbsp;&lt;br/&gt; => First Text[H1][H4][H6][H1]

with open(r"C:\Users\USER NAME\PycharmProjects\FILE TEST\edited_file.xml", "w", encoding="utf-8") as file2:
    pass

with open(r"C:\Users\USER NAME\PycharmProjects\FILE TEST\source_file.xml", "r", encoding="utf-8") as file1:
    lines = file1.readlines()
    text = ""
    for i in lines:
        text = i
        text = text.replace('&lt;br/&gt;', '[H1]')
        text = text.replace('&lt;', '[H2]')
        text = text.replace("&gt;", "[H3]")
        text = text.replace("&amp;", "[H4]")
        text = text.replace("&nbsp;", "[H5]")
        text = text.replace("nbsp;", "[H6]")
        with open(r"C:\Users\USER NAME\PycharmProjects\FILE TEST\edited_file.xml", "a", encoding="utf-8") as file2:
            file2.writelines(text)

【讨论】：