我在python中使用lxml库进行xml解析。
在XML文件中，我有一些错误字符，导致Python中出现以下错误：
lxml.etree.xmlsyntaxerror:charref
在用python打开和获取xml文件的内容之前，必须从两个标记中删除错误的字符：
1:<essid cloaked="true">....</essid>或<essid cloaked="false">....</essid>。
2：<client-manuf>....</client-manuf>
XML文件的大小很大。所以我想用sed或awk或类似的工具来做。
<crypt>0</crypt>
<total>20 50</total>
<fragments>0</fragments>
<retries>0</retries>
</packets>
<datasize>0</datasize>
<wireless-client number="1" type="established" first-time="Thu Feb 15 16:45:43 2018" last-time="Thu Feb 15 16:45:43 2018">
<client-mac>08:EA:40:D0:55:43</client-mac>
<client-manuf>SHENZHEN BILIAN ELECTRONIC CO.&#x ef;&#x bc;&#x 8c;LTD</client-manuf>
<essid cloaked="true">&#x 0;&#x 0;&#x 0;&#x 0;&#x 0;</essid>
<channel>8</channel>
<maxseenrate>1.000000</maxseenrate>
<carrier>IEEE 802.11b+</carrier>
<encoding>CCK</encoding>
<packets>
<LLC>0</LLC>
<data>0</data>
<crypt>0</crypt>
我想从这些标签中删除坏字符（客户端manuf和essid）。
来自：
<client-manuf>SHENZHEN BILIAN ELECTRONIC CO.&#x ef;&#x bc;&#x 8c;LTD</client-manuf>到（或这个）：
<client-manuf>SHENZHEN BILIAN ELECTRONIC CO. LTD</client-manuf>到（或这个）：
<client-manuf>SHENZHEN BILIAN ELECTRONIC CO</client-manuf>————————————————————————————————————————————————————---
来自：
<essid cloaked="true">&#x 0;&#x 0;&#x 0;&#x 0;&#x 0;</essid>来自：
<essid cloaked="false">&#x 0;&#x WiFi 0;&#x MTN 0;&#x 0;&#x 0;</essid>到（或这个）：
<essid cloaked="true"></essid>到（或这个）：
<essid cloaked="true">N/A SSID</essid>到（或这个）：
<essid cloaked="false">WiFi MTN</essid>for example, two bad chars:
1: 0;
2: &#x
这是我的解决办法。但它不能很好地满足我的需要：
sed -e '/<essid cloaked="\(true\|false"\)>*.*<\/essid>/ s/\(&#x\|0;\)//g' a.txt 最佳答案
你的sed命令看起来没那么糟糕，只是留下了很多空白。
由于sed通常是贪婪的，所以可以用“*”指定任意数量的空间。
cat bad.xml | sed '/<essid cloaked="\(true\|false"\)>*.*<\/essid>/ s/ *\(&#x\|0;\) *//g'
另一方面，如果有一些有效文本，则可能不希望将其粘在一起，因此可以为每个删除的模式添加一个空格：
cat bad.xml | sed '/<essid cloaked="\(true\|false"\)>*.*<\/essid>/ s/ *\(&#x\|0;\) */ /g'
最后，您可以将多个空间压缩为一个：
cat bad.xml | sed '/<essid cloaked="\(true\|false"\)>*.*<\/essid>/{s/ *\(&#x\|0;\) */ /g;s/ */ /g}'
注意，构造{foo；bar}将这两个命令绑定到一个命令块，只在before-grapped模式上操作。第二种模式会影响整个文件。
再加上一对蒙面括号和一个蒙面加号：
cat bad.xml | sed '/<essid cloaked="\(true\|false"\)>*.*<\/essid>/{s/\( *\(&#x\|0;\) *\)\+/ missing essid /g;s/ */ /g}'
你可以用一件事来代替一个重复出现的模式。
s/\( *\(&#x\|0;\) *\)\+/ missing essid /;
^ ( (pattern1) )+ / replacement /(g now obsolete
(pattern .......2)
内部模式是可选的&x或0；。
外部模式是内部模式，可以选择由类似
"0;"
"0; "
" 0; "
" 0;"
" 0; "
" &#x"
等等。
您希望内部模式（我们称之为x）重复一次或多次，因此是+模式。但是没有parens，+只处理最后一个字符，而不是整个模式。
你必须学会这种正则表达式语言。找一个教程。你不能要求生活中的每一个变化。
有一个良好的，基本的理解会很快得到回报。你不需要什么都知道壁炉，但基本的东西，应该有一个良好的估计，什么是可能的，什么不是。然后是回购，用来搜索那些很少使用的东西。然后你可能只会问那些复杂的问题。