Question

我有一个（旧的）工具，它不理解像<STATUS/>这样的自动关闭标签。因此，我们需要使用打开/关闭的标记序列化我们的XML文件，如下所示：<STATUS></STATUS>。

目前我有：

>>> from lxml import etree

>>> para = """<ERROR>The status is <STATUS></STATUS>.</ERROR>"""
>>> tree = etree.XML(para)
>>> etree.tostring(tree)
'<ERROR>The status is <STATUS/>.</ERROR>'

如何使用打开/关闭的标签进行序列化？

<ERROR>The status is <STATUS></STATUS>.</ERROR>

解决方案

由wildwilhelm，below：

给出

>>> from lxml import etree

>>> para = """<ERROR>The status is <STATUS></STATUS>.</ERROR>"""
>>> tree = etree.XML(para)
>>> for status_elem in tree.xpath("//STATUS[string() = '']"):
...     status_elem.text = ""
>>> etree.tostring(tree)
'<ERROR>The status is <STATUS></STATUS>.</ERROR>'

Answer 1

似乎为<STATUS>标记分配了text None属性：

>>> tree[0]
<Element STATUS at 0x11708d4d0>
>>> tree[0].text
>>> tree[0].text is None
True

如果您将text标记的<STATUS>属性设置为空字符串，则应该获得您正在寻找的内容：

>>> tree[0].text = ''
>>> etree.tostring(tree)
'<ERROR>The status is <STATUS></STATUS>.</ERROR>'

考虑到这一点，你可以在写出XML之前走一个DOM树并修复text属性。像这样：

# prevent creation of self-closing tags
for node in tree.iter():
    if node.text is None:
        node.text = ''

Answer 2

如果将lxml dom设置为HTML，则可以使用

etree.tostring(html_dom, method='html')

防止自闭标签（如<a />

让lxml不要创建自我结束标签

2 个答案: