Question

我尝试使用ElementTree解析的GET服务，其内容我无法控制，包含非UTF8特殊字符：

respXML = response.content.decode("utf-8")

respRoot = ET.fromstring(respXML)

第二行抛出

xml.etree.ElementTree.ParseError：对无效字符编号的引用：第3591行，第39栏

如何判断XML是否会被解析，而不管字符集如何，如果我发现非法字符，我可以在以后运行替换？例如，是否有包含所有内容的编码？我知道我可以搜索并替换输入的XML字符串，但我更愿意先解析它，因为我的解析会将其转换为更易于搜索的数据结构。

有问题的特殊字符是，但我希望能够摄取任何字符。整个标记为<literal>Alzheimers disease</literal>。

Answer 1

在@tdelaney的帮助下，我能够通过将输入XML刷新为字符串来克服这个障碍：

respXML = response.content.decode("utf-8")

scrubbedXML = re.sub('&.+[0-9]+;', '', respXML)

respRoot = ET.fromstring(scrubbedXML)