【发布时间】：2013-10-29 08:14:50
【问题描述】：
我正在从一个应用程序中获取 xml 数据，我想在 python 中对其进行解析：
#!/usr/bin/python
import xml.etree.ElementTree as ET
import re
xml_file = 'tickets_prod.xml'
xml_file_handle = open(xml_file,'r')
xml_as_string = xml_file_handle.read()
xml_file_handle.close()
xml_cleaned = re.sub(u'[^\x01-\x7f]+',u'',xml_as_string)
root = ET.fromstring(xml_cleaned)
它适用于带有示例数据的较小数据集，但是当我使用真实的实时数据时，我会得到
xml.parsers.expat.ExpatError: not well-formed (invalid token): line 364658, column 72
查看xml文件，看到364658这一行：
WARNING - (1 warnings in check_logfiles.protocol-2013-05-28-12-53-46) - ^[[0:36mnotice: Scope(Class[Hwsw]): Not required on ^[[0m</description>
我猜是 ^[ 让 python 窒息 - 它也在 vim 中突出显示为蓝色。现在我希望我可以用我的正则表达式替换来清理数据，但这没有用。
最好的办法是修复生成 xml 的应用程序，但这超出了范围。所以我需要按原样处理数据。我该如何解决这个问题？我可以忍受只是扔掉“非法”字符。
【问题讨论】：
-
你可以试试漂亮的汤，它在为我转义无效字符方面做得很好。
-
看起来某个过于聪明的家伙想要在他的 tty 上使用粗体或彩色输出来显示此警告。您应该删除从转义到以下“m”的所有内容。