BeautifulSoup 用原始 xml 替换标签而不解析/转义

Question

假设我有这样的xml（真实的更复杂）：

<a>
    <b>
        <c replace="alpha" />
    </b>
    <d>
        <c replace="beta"></c>
    </d>
</a>

自从我can't use regex 以来，我已经用 BeautifulSoup (lxml) 解析了这个。现在我将<c> 替换为包含取决于属性的新有效xml 的字符串。这并不难。

但是我想这样做而不用 BeautifulSoup 解析新的 xml。原因是我只是要在之后美化它。有相当多的标签被大量的 xml 替换。它不是非常高效的解析然后美化所有内容。

有类似LiteralXmlPleaseDontParseThisTnx 节点的东西吗？ （我找不到它，他们一定把它叫做别的东西，而且有太多不相关的命中，“原始 html”、“未解析的 html”、“文字 hmtl”......）。

或者，有没有办法美化上面的 xml，然后将新的 xml 作为纯文本插入其中（不对 xml 做任何假设）？

Answer 1

我找到了一种创建相同结果的方法，它恰好对我有用，但可能并不普遍适用。它属于问题的“替代”类别：在已解析的汤之外进行替换。

• 在解析主文档之前转义字符串格式化大括号：

  escaped = sub(r'({|})', r'\1\1', input)
  soup = BeautifulSoup(escaped, 'lxml')  # or lxml
  

• 用替换字符串替换<c replace="alpha" />（对于所有这些）：

  name = c_tag.attrs['replace']
  ctag.replace_with(NavigableString('{' + name + ':s}'))
  

• 将所有替换存储在字典中（可能已经如此）：

  rep = {'alpha': '<lots /><of-xml />', 'beta': '<b>hi</b>'}
  

• 使用字符串格式进行所有替换：

  output = soup.prettify().format(**rep)
  

我承认我的情况有点特殊，所以可能对很多其他人没有帮助。但就我而言，每个<c> 都可以替换为包含更多<c>s 的xml。由于多进程通信，每个级别都需要解析或腌制。 （Pickling 只比解析快 20-50%，并且遇到了硬递归限制）。因此，只需执行一次而不是每个级别都可以为我节省大量时间（在我测试的情况下为因子 3），因为正则表达式替换和字符串替换比解析要快得多。

Answer 2

BeautifulSoup 用于解析 HTML。你所拥有的不是 HTML，而是 XML，所以你可能不应该使用 BeautifulSoup，而应该直接使用 lxml。

lxml 元素确实有一个replace 方法，但您必须向它传递一个元素，而不是一个字符串。目前尚不清楚您要尝试用什么替换 <c>，但如果您从一开始就将替换值创建为元素，则无需解析即可进行替换。

如果您只是想删除一个任意字符串来代替<c>，那么这不是对 XML 文档的格式正确的操作，并且库无法保证您粘贴的内容是正确的-形成，因此不可能序列化给定的结果。大多数 XML 库都将明确禁止该操作，因为它会违反基本假设并保证 XML 库正在尝试维护。