如何让lxml的解析器保留根元素之外的空格？

Question

我正在使用lxml来操作一些现有的XML文档，我想尽可能少地引入diff噪声。不幸的是，默认情况下lxml.etree.XMLParser不会在文档的根元素之前或之后保留空格：

>>> xml = '\n    <etaoin>shrdlu</etaoin>\n'
>>> lxml.etree.tostring(lxml.etree.fromstring(xml))
'<etaoin>shrdlu</etaoin>'
>>> lxml.etree.tostring(lxml.etree.fromstring(xml)) == xml
False

使用lxml可以吗？它是否受底层libxml2支持？

Answer 1

我不知道会为你做任何XML库。但是如果你真的需要这样做的话，使用正则表达式听起来是个不错的主意。

>>> xml = '\n    <etaoin>shrdlu</etaoin>\n'
>>> head, tail = re.findall(r"^\s*|\s*$", xml)[:2]
>>> root = etree.fromstring(xml)
>>> out = head + etree.tostring(root) + tail
>>> out == xml
True

Answer 2

使用正则表达式捕获空白，并在完成后将其添加回字符串。