Python XML删除标记内的换行符

问题是，在我从SEC抓取的一些xml文件中，标记内有换行符。因此，这些xml文件的格式不正确

<footnote id="F4">Shares sold on the open market are reported as an average sell price per share of $56.87; breakdown of shares sold and per share sale prices are as follows; 100 at $56.31; 200 at $56.32; 100 at $56.33; 198 at $56.39; 600 at $56.40; 100 at $56.41; 102 at $56.42; 600 at $56.44; 320 at $56.45; 100 at $56.46; 900 at $56.47; 480 at $56.48; 300 at $56.49; 1,200 at $56.50; 400 at $56.51; 1,130 at $56.52; 600 at $56.53; 100 at $56.54; 1,500 at $56.55; 600 at $56.56; 644 at $56.57; 1,656 at $56.58; 1,070 at $56.59; 2069 at $56.60; 1,831 at $56.61; 1,000 at $56.62; 1,000 at $56.63; 492 at $56.64; 1,400 at $56.65; 920 at $56.66; 1,000 at $56.67; 600 at $56.68; 500 at $56.69; 1,200 at $56.70; 500 at $56.71; 582 at $56.72; 400 at $56.73; 1,108 at $56.74; 37 at $56.75; 710 at $56.76; 630 at $56.77; 1,600 at $56.78; 400 at $56.79; 400 at $56.80; 1,500 at $56.81; 1,100 at $56.82; 100 at $56.83; 800 at $56.84; 200 at $56.85; 1,300 at $56.87; additional shares sold continued on Footnote (5).</footnot
e>

公开市场上出售的股票的平均每股售价为56.87美元；已售出股份和每股售价的明细如下：；100美元，56.31美元；200美元，56.32美元；100美元，56.33美元；198美元，56.39美元；600美元，56.40美元；100美元，56.41美元；102美元，56.42美元；600美元，56.44美元；320美元，56.45美元；100美元，56.46美元；900美元，56.47美元；480美元，56.48美元；300美元，56.49美元；1200美元，56.50美元；400美元，56.51美元；1130美元，56.52美元；600美元，56.53美元；100美元，56.54美元；1500美元，56.55美元；600美元，56.56美元；644美元，56.57美元；1656美元，56.58美元；1070美元，56.59美元；2069美元，56.60美元；1831美元，56.61美元；1000美元，56.62美元；1000美元，56.63美元；492美元，56.64美元；1400美元，56.65美元；920美元，56.66美元；1000美元，56.67美元；600美元，56.68美元；500美元，56.69美元；1200美元，56.70美元；500美元，56.71美元；582美元，56.72美元；400美元，56.73美元；1108美元，56.74美元；37美元，56.75美元；710美元，56.76美元；630美元，56.77美元；1600美元，56.78美元；400美元，56.79美元；400美元，56.80美元；1500美元，56.81美元；1100美元，56.82美元；100美元，56.83美元；800美元，56.84美元；200美元，56.85美元；1300美元，56.87美元；脚注（5）中继续出售额外股份。

我的第一个想法是，这是因为utf-8和ISO-8859-1的编码不同，但更改编码后问题仍然存在。 我的下一个解决方案是一个正则表达式，它可以检测标记中的那些换行符，但是由于它们可以发生在任何地方，所以这个解决方案不是很可靠

你们对如何解决这个问题有什么想法吗？

因为可以这样做：

import re

# open the txt file
with open("0001112679-10-000086.txt", "r", encoding="utf8") as f:
    txt = f.read();

# cut out the xml part from the txt file
start = txt.find("<XML>")
end = txt.find("</XML>") + 6
xml = txt[start:end]

# process the xml part
xml = re.sub(r"([^\n]{1023})\n", r"\1", xml)

# combine a new txt back from the parts
new_txt = txt[:start] + xml + txt[end:]

# save the new txt in file
with open("0001112679-10-000086_output.txt", "w", encoding="utf8") as f:
    f.write(new_txt)

重新导入
#打开txt文件
打开（“0001112679-10-000086.txt”，“r”，encoding=“utf8”）作为f：
txt=f.read（）；
#从txt文件中剪切xml部分
start=txt.find（“”）
end=txt.find（“”+6
xml=txt[开始：结束]
#处理xml部分
xml=re.sub（r“（[^\n]{1023}）\n”，r“\1”，xml）
#从零件中合并一个新的txt
new_txt=txt[：start]+xml+txt[end:]
#在文件中保存新的txt
打开（“0001112679-10-000086_output.txt”，“w”，encoding=“utf8”）作为f：
f、 写入（新文本）

您可以共享指向此类xml文件的链接吗？当然，问题是行的长度。1024个字符后，该行继续下一行，因此尝试提出逻辑，其中一行是1024个字符，下一行以>结尾，并将它们粘合在一起；它们是看起来有点像XML的文本文件。祝你好运