在python3中转义XML字符串的未转义数据答案

【问题标题】：Escape unescaped data of XML string in python3在python3中转义XML字符串的未转义数据
【发布时间】：2014-04-07 13:51:05
【问题描述】：

我想转义 xml 字符串中的未转义数据例如

string = "<tag parameter = "something">I want to escape these >, < and &</tag>"

到

"<tag parameter = "something">I want to escape these &gt;, &lt; and &amp;</tag>"

现在，我绝对不能使用任何 xml 解析库，如 xml.dom.minidom 或 xml.etree，因为数据未转义并且会报错

在正则表达式中，我找到了匹配和获取数据替换的开始和结束位置的方法

exp = re.search(">.+?</", label)
# Get position of the data between tags
start = exp.start() + 1
end = exp.end() - 2
return label[ : start] + saxutils.escape(label[start : end]) + label[end : ]

但在 re.search 中，我无法匹配确切的 xml 格式
如果我使用 re.findall 我无法获得找到的子字符串的位置
我总是可以通过 index 找到找到的子字符串的位置，但这效率不高，我想要一个简单但有效的解决方案
BeautifulSoup 解决方案受到欢迎，但我希望有一些更漂亮的方式来使用 python 的基本库来实现它

【问题讨论】：

这个错误的 XML 最初是如何产生的？如果你能解决这个问题会更容易..
在字符串中你有, 而不是. 在">.+?</"，也许这就是为什么你无法匹配re.search 中的任何内容
@Aleksandar 上面的程序 sn-p 工作得很好
当然@MartijnPieters，但我时间紧迫，这是我能想出的hack :)

标签： python xml regex escaping beautifulsoup

【解决方案1】：

也许你应该考虑re.sub：

>>> oldString = '<tag parameter = "something">I want to escape these >, < and &</tag>'
>>> newString = re.sub(r"(<tag.*?>)(.*?)</tag>", lambda m: m.group(1) + cgi.escape(m.group(2)) + "</tag>", oldString)
>>> print newString
<tag parameter = "something">I want to escape these &gt;, &lt; and &amp;</tag>

我的警告是如果您有嵌套标签，正则表达式肯定会中断。见Why is it such a bad idea to parse XML with regex?

【讨论】：

它真正有效的代码形式，但我主要关心的是匹配封闭标签和也使用正则表达式
@prth 我编辑了代码以匹配标签。我不确定这是否正是您想要的。