Python 如何在minidom中禁用“输出转义”

我正在尝试使用xml.dom.minidom从头构建一个xml文档。在我尝试在中创建带有®注册商标符号的文本节点之前，一切都进展顺利。我的目标是，当我最终点击print mydoc.toxml时，这个特定节点实际上将包含一个®符号

首先，我尝试：

import xml.dom.minidom as mdom
data = '®'

这就产生了一个相当明显的错误：

  File "C:\src\python\HTMLGen\test2.py", line 3
SyntaxError: Non-ASCII character '\xae' in file C:\src\python\HTMLGen\test2.py on line 3, but no encoding declared; see http://www.python.or
g/peps/pep-0263.html for details

当然，我也尝试过使用开行注释方法将python脚本的编码更改为“utf-8”，但这没有帮助

所以我想

import xml.dom.minidom as mdom

data = '®'  #Both accepted xml encodings for registered trademark
data = '®'

text = mdom.Text()
text.data = data

print data
print text.toxml()

但因为当我打印text.toxml时，符号被转义，所以我得到以下输出：

®
®

我的问题是，有没有人知道一种方法，我可以强制在输出中不转义符号，这样我就可以将我的特殊字符引用传递到XML文档

基本上，对于这个节点，我希望print text.toxml生成®；的输出；或174英镑；以愉快和合作的方式

编辑1：

顺便说一句，如果minidom实际上没有这个功能，我非常乐意使用另一个模块，您可以推荐它

编辑2：

正如Hugh所建议的，我尝试使用data=u'®同时也使用data-*-编码：utf-8-*-Python源标记。这几乎有助于将®符号本身输出到我的xml。这其实不是我想要的结果。正如您现在可能已经猜到的，也许我应该在前面指定此xml文档恰好是一个HTML页面，它需要在浏览器中工作。因此，准确地说，文档中的®最终会导致浏览器中的垃圾

我还尝试：

data = unichr(174)
text.data = data.encode('ascii','xmlcharrefreplace')
print text.toxml()

但是，这当然会导致相同的原始问题，即所有发生的事情都是通过.toxml逃逸符号

我的理想方案是以某种方式跳过符号，这样XML打印功能就不会代表我的文档跳过符号，换句话说，实现了我最初的目标®；或174英镑；出现在文档中

看来很快我就要求助于正则表达式了

编辑2a：

---

或许不是。似乎正确获取html元信息可能会有所帮助，但我还不确定这是否适合xml结构…

如果我理解正确，您真正想要的是能够从unicode对象（如u'®或u'\u00ae）创建文本节点，然后将toxml输出unicode字符编码为实体（如&174；）；。但是，从minidom.py的源代码来看，minidom似乎不支持输出上的实体编码，除了&、

不过，您也会询问其他可能有帮助的模块。有几个可能的候选者，但是xml.etree似乎进行了适当的编码。例如，如果从中选取第一个示例，但替换为：

child_with_tail.text = 'This child has regular text.'

。。。与：

child_with_tail.text = u'This child has regular text \u00ae.'

。。。然后运行脚本，您应该会看到输出包含：

This child has regular text®.

您也可以在该示例中使用，只需将import语句替换为：

from lxml.etree import Element, SubElement, Comment, tostring

---

更新：另一种方法采用了很好的运行方式。在minidom的toxml输出上编码“ascii”，“xmlcharrefreplace”，将任何非ascii字符转换为其等效的XML数字字符引用。

如果我理解正确，您真正想要的是能够从unicode对象（如u'®或u'\u00ae）创建文本节点，然后将toxml输出unicode字符编码为实体（如&174；）；。但是，从minidom.py的源代码来看，minidom似乎不支持输出上的实体编码，除了&、

不过，您也会询问其他可能有帮助的模块。有几个可能的候选者，但是xml.etree似乎进行了适当的编码。例如，如果从中选取第一个示例，但替换为：

child_with_tail.text = 'This child has regular text.'

。。。与：

child_with_tail.text = u'This child has regular text \u00ae.'

。。。然后运行脚本，您应该会看到输出包含：

This child has regular text®.

您也可以在该示例中使用，只需将import语句替换为：

from lxml.etree import Element, SubElement, Comment, tostring

---

更新：另一种选择是采用很好的运行方式。在minidom的toxml输出上编码“ascii”，“xmlcharrefreplace”，将任何非ascii字符转换为其等效的XML数字字符引用。

两个选项都有效，一个带有转义&174；另一个没有。你为什么要逃跑还不太清楚。。。对于非CJK字符，它是6个字节，而不是2或3个字节

import xml.dom.minidom as mdom
text = mdom.Text()
# Start with unicode
text.data = u'\xae'

f = open('reg1.html', 'w')
f.write("header saying the file is ascii")
uxml = text.toxml()
bxml = uxml.encode('ascii', 'xmlcharrefreplace')
f.write(bxml)
f.close()

f = open('reg2.html', 'w')
f.write("header saying the file is UTF-8")
xml = text.toxml(encoding='UTF-8')
f.write(xml)
f.close()

---

两个选项都有效，一个是带转义的&174；另一个没有。你为什么要逃跑还不太清楚。。。对于非CJK字符，它是6个字节，而不是2或3个字节

import xml.dom.minidom as mdom
text = mdom.Text()
# Start with unicode
text.data = u'\xae'

f = open('reg1.html', 'w')
f.write("header saying the file is ascii")
uxml = text.toxml()
bxml = uxml.encode('ascii', 'xmlcharrefreplace')
f.write(bxml)
f.close()

f = open('reg2.html', 'w')
f.write("header saying the file is UTF-8")
xml = text.toxml(encoding='UTF-8')
f.write(xml)
f.close()

默认unescape：

from xml.sax.saxutils import unescape
unescape("< & >")

结果是,

'< & >'

检查此处的详细信息，

默认unescape：

from xml.sax.saxutils import unescape
unescape("< & >")

结果是,

'< & >'

---

检查此处的详细信息，

您是否尝试过声明data=u'®'我只是尝试了很多事情，都没有成功，更新问题…您是否尝试过声明data=u'®'I j

---

ust尝试了很多东西，都没有成功，更新了问题……我不认为他说的是拥有174英镑；相反，提问者说，基本上，对于这个节点，我希望print text.toxml生成®；的输出；或174英镑；以愉快和合作的方式！在编辑2的末尾重复这一点：@Mark:正如你所见，我已经注意到了这一点，并修复了评论。代码不需要更改。选项1正是他想要的。你同意吗？对不起，我想你的更新是在我写评论的时候。是的，这是一个很好的解决方案+1-你介意我在我的最后添加一个简短的参考你的第一个解决方案吗？我认为我的答案仍然有有用的内容。谢谢！真正的问题是，我太专注于数据=“&174；”而不是首先使用unicode data=u'\xae'。我想我一定是因循守旧了。您的第一个代码示例对我帮助很大。我不认为他说的是拥有174英镑；相反，提问者说，基本上，对于这个节点，我希望print text.toxml生成®；的输出；或174英镑；以愉快和合作的方式！在编辑2的末尾重复这一点：@Mark:正如你所见，我已经注意到了这一点，并修复了评论。代码不需要更改。选项1正是他想要的。你同意吗？对不起，我想你的更新是在我写评论的时候。是的，这是一个很好的解决方案+1-你介意我在我的最后添加一个简短的参考你的第一个解决方案吗？我认为我的答案仍然有有用的内容。谢谢！真正的问题是，我太专注于数据=“&174；”而不是首先使用unicode data=u'\xae'。我想我一定是因循守旧了。您的第一个代码示例对我帮助很大。也感谢您的输入！如果我更聪明的话，我可能会从一开始就使用xml.etree，但在我想要这个html生成代码之前，我只有一周左右的时间。。在线感谢您的输入！如果我更聪明的话，我可能会从一开始就使用xml.etree，但在我想要这个html生成代码之前，我只有一周左右的时间。。在线 的