使用lxml Python 3

Question

我在使用Python3中的lxml解析无效XML时遇到问题。我目前的代码是（这只是为了简单起见的一个例子。在现实生活中我必须阅读并处理100-300MB XML文件）：

xml_str='''<r>
    <n type="1" id="n1-1">
        <p a="a" 6_x="x">text1</p>
    </n>
    <n type="2" id="n2-1">
        <p a="a" 6_x="x">text2</p>
    </n>
    <n type="1" id="n1-2">
        <p a="a" 6_x="x">text3</p>
    </n>
</r>'''

import lxml.etree
xpath='/r/n[@type="1"]/p/text()'
parser = lxml.etree.XMLParser(recover=True)
tree = lxml.etree.fromstring(xml_str, parser)
r = tree.xpath(xpath)
print(r)

我得到空结果，假设XMLParser启用recover模式，只是跳过无效的xml节点。 我的预期结果是：

  

[＆＃39; text1＆＃39;，＆＃39; text3＆＃39;]

如果我修复了XML（即：将6_x中的无效属性重命名为f.e. z6_x），一切正常。 我怎么能预处理XML（可能使用自定义XMLParser？）来使用lxml解析XML？我想我应该在将此流发送到lxml之前读取xml流并重命名无效属性。不幸的是，我不知道如何编写这个自定义解析器（没有足够的经验）。 一种选择是两次通过：

1. 使用正则表达式读取文件并替换属性
2. 将此更正的文件解析为lxml

但我很好奇是否有更有效的方法来做到这一点。 感谢。