Python lxml 库无法解析 < 和 >答案

【问题标题】：Python lxml library fails to parse < and >Python lxml 库无法解析 < 和 >
【发布时间】：2013-10-01 18:33:18
【问题描述】：

我有一个带有 javascript 的 XSLT，它使用“<”和“>”在for循环内

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:template match="/">
<html>
  <head> </head>
  <body>
    <script language="javascript" type="text/javascript">
  function example() {
        var trs = document.getElementsByTagName("tr");
    for (var i = 0; i &lt; trs.length; i++) {
    }
      }
     </script>
  </body>
</html>

我正在使用 PYTHON LXML 库通过 XSLT 和 XML 生成 HTML。

import lxml.etree as ET
xml = ET.parse('sample.xml')
xslt = ET.parse('sample.xsl')
transform = ET.XSLT(xslt)
content = transform(xml)
f = open('output.html','w')
f.write(ET.tostring(content , pretty_print=True))
f.close()

但 LXML 无法替换输出 HTML 文件中的特殊字符

是否有任何使用 LXML 替换“&lt ;”的标准做法到'

为了解决这个问题，我必须在写入文件之前编写另一段代码。

content = content.replace("&gt;", ">")
content = content.replace("&lt;", "<")

【问题讨论】：

标签： javascript python xml xml-parsing lxml

【解决方案1】：

为了解码/转换 HTML 实体，您应该在 tostring() 调用中使用 method="html"：

ET.tostring(content, method="html", pretty_print=True)

或：

lxml.html.tostring(content, pretty_print=True)

演示：

from lxml import etree


text = """<html>
  <body>
    <script> 1 &lt; 2 </script>
  </body>
</html>
"""

tree = etree.fromstring(text)
print etree.tostring(tree, method="html")

打印：

<html>
  <body>
    <script> 1 < 2 </script>
  </body>
</html>

【讨论】：

我注意到这个技巧只有在标签是“脚本”而不是“正文”或其他东西时才有效。

【解决方案2】：

您也可以将脚本内容包含在 CDATA 包装器中以阻止它被吃掉，如下所示：

<script language="javascript" type="text/javascript">
  <![CDATA[
    function example() {
          var trs = document.getElementsByTagName("tr");
      for (var i = 0; i < trs.length; i++) {
      }
    }
  ]]>
</script>

【讨论】：