Question

我正在尝试解析包含正则表达式的xml：

<conditions>
  <condition pattern_matches="regex string"/>
</conditions>

但是，当正则表达式包含不安全的字符时，例如(<=a).*b$，ElementTree会引发一个ParseError，指出xml在<字符处的格式不正确，即使该字符在引号内。

我可以使用<而不是<然后解析后替换所有这些字符，但这会使复杂的正则表达式难以阅读，并且需要重写包含此类字符组合的正则表达式，以免创建误报，并加载原始xml文件，然后交换字符以保证其安全变化，只是为了之后立即交换它们似乎是不必要的cpu密集。

我该如何处理这个问题？这对ElementTree来说太复杂了还是我做错了什么？

Answer 1

从XML规范要求<必须转义为<。每个理智的XML处理器都必须遵循规范。请参阅相关讨论：Invalid Characters in XML。

也就是说，如果使用诸如ElementTree之类的XML处理器创建XML，它将为您处理转义和转义过程。例如，给定包含<的纯正则表达式字符串，ElementTree会自动将其替换为<：

>>> from xml.etree import ElementTree as et
>>> root = et.Element("conditions")
>>> regex_str = "(<=a).*b$"
>>> sub = et.SubElement(root, "condition", attrib = {"pattern_matches": regex_str})
>>> et.tostring(root)
'<conditions><condition pattern_matches="(&lt;=a).*b$" /></conditions>'

...并且在读取属性值后会自动将其替换为<：

>>> sub.attrib["pattern_matches"]
'(<=a).*b$'

ElementTree失败，字符串中包含不安全的字符

1 个答案: