Question

假设我有这样的xml（真正的那个更复杂）：

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

我使用BeautifulSoup（lxml）解析了这个，因为我can't use regex。现在我用包含新的有效xml的字符串替换<c>，该字符串取决于属性。这并不是那么难。

但是我想在不使用BeautifulSoup解析新的xml的情况下这样做。原因是我只是想在之后美化它。有相当多的标签被大量的xml取代。它不是非常高效的解析，然后美化一切。

是否有类似LiteralXmlPleaseDontParseThisTnx节点的内容？（我找不到它，他们必须把它称为别的东西，并且'raw html'，'unparsed html'，'literal hmtl'......太多无关的点击。）。

或者，有没有办法对上面的xml进行美化处理，然后将新的xml作为纯文本插入（没有假设xml超出有效范围）？

Answer 1

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，而是直接使用lxml。

lxml元素确实有replace方法，但您必须传递一个元素，而不是字符串。我们不清楚你要用<c>代替什么，但如果你从一开始就把你的替换值作为元素创建，你可以在不解析的情况下进行替换。

相反，如果您只是想删除一个任意字符串来代替<c>，那么，这对XML文档来说不是一个格式良好的操作，而且库不可能可以保证你粘贴的内容是格式良好的，因此不可能将给定的结果序列化。大多数XML库都会特别禁止该操作，因为它会违反XML库试图维护的基本假设和保证。

Answer 2

我找到了一种创建相同结果的方法，这对我来说很有用，但可能并不普遍适用。它位于＆＃39;或者＆＃39;问题类别：在解析汤之外做替换。

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" />（对于所有这些字符串）：

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

将所有替换品存储在字典中（可能已经是这种情况）：
```
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)
```

我承认我的案子有点特别，所以也许它对许多其他人没有帮助。但在我的情况下，每个<c>可以被包含更多<c> s的xml替换。由于多进程通信，每个级别都需要进行解析或pickle。（酸洗比解析快20-50％，并且遇到硬递归限制）。所以必须只执行一次而不是每个级别，这节省了我很多时间（在我测试的情况下因子3），因为正则表达式替换和字符串替换比解析快得多。

BeautifulSoup通过原始xml替换标记而无需解析/转义

2 个答案: