Python + Expat : Error on  entities

我编写了一个小函数，该函数使用ElementTree和xpath提取xml文件中某些元素的文本内容:

#!/usr/bin/env python2.5

import doctest
from xml.etree import ElementTree
from StringIO import StringIO

def parse_xml_etree(sin, xpath):
  """
Takes as input a stream containing XML and an XPath expression.
Applies the XPath expression to the XML and returns a generator
yielding the text contents of each element returned.

>>> parse_xml_etree(
...   StringIO('<test><elem1>one</elem1><elem2>two</elem2></test>'),
...   '//elem1').next()
'one'
>>> parse_xml_etree(
...   StringIO('<test><elem1>one</elem1><elem2>two</elem2></test>'),
...   '//elem2').next()
'two'
>>> parse_xml_etree(
...   StringIO('<test><null>&#0;</null><elem3>three</elem3></test>'),
...   '//elem2').next()
'three'
"""

  tree = ElementTree.parse(sin)
  for element in tree.findall(xpath):
    yield element.text

if __name__ == '__main__':
  doctest.testmod(verbose=True)

第三次测试失败，但有以下异常:

ExpatError:引用无效字符编号:第1行，第13列
实体是否为非法XML？不管是否，我要解析的文件都包含它，并且我需要某种方式来解析它们。对于除Expat以外的其他解析器的建议或对Expat的设置，有什么建议可以允许我这样做？

更新:我刚刚发现了BeautifulSoup，这是一个标记汤解析器，如下面的答案注释中所述，为了好玩，我回到了这个问题，并尝试将其用作ElementTree之前的XML清洁器，但是它忠实地转换了变成无效的空字节。 :-)

cleaned_s = StringIO(
  BeautifulStoneSoup('<test><null>&#0;</null><elem3>three</elem3></test>',
                     convertEntities=BeautifulStoneSoup.XML_ENTITIES
  ).renderContents()
)
tree = ElementTree.parse(cleaned_s)

...产量

xml.parsers.expat.ExpatError: not well-formed (invalid token): line 1, column 12

但是，在我的特定情况下，我实际上并不需要XPath解析，我可以使用BeautifulSoup本身及其非常简单的节点地址样式parsed_tree.test.elem1.contents[0]。

最佳答案

不在XML规范定义的legal character range中。 las，我的Python技能很初级，所以我在这里没有太多帮助。

关于Python + Expat : Error on  entities，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/3038798/

expat

Python + Expat : Error on &#0; entities

Python + Expat : Error on entities