Question

我想在xml字符串中转义未转义的数据 e.g。

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＆amp;会给出错误

在正则表达式中，我想办法匹配＆amp;获取数据的开始和结束位置

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 : ]

但是在 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
我总能通过索引找到找到的子字符串的位置，但效率不高，我想要一个简单但有效的解决方案
欢迎使用BeautifulSoup解决方案，但我希望有一些更好的方法来使用python的基本库

Answer 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>

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

在python3中逃避XML字符串的未转义数据

1 个答案: