使用“解析xml”；“格式不好”；python中的字符

我从一个应用程序中获取xml数据，我想用python解析它：

#!/usr/bin/python

import xml.etree.ElementTree as ET
import re

xml_file = 'tickets_prod.xml'
xml_file_handle = open(xml_file,'r')
xml_as_string = xml_file_handle.read()
xml_file_handle.close()

xml_cleaned = re.sub(u'[^\x01-\x7f]+',u'',xml_as_string)
root = ET.fromstring(xml_cleaned)

它适用于带有示例数据的较小数据集，但当我转到真实的实时数据时，我得到

xml.parsers.expat.ExpatError: not well-formed (invalid token): line 364658, column 72

查看xml文件，我看到第364658行：

WARNING - (1 warnings in check_logfiles.protocol-2013-05-28-12-53-46) - ^[[0:36mnotice: Scope(Class[Hwsw]): Not required on ^[[0m</description>

WARNING-（检查日志文件中的1个警告。协议-2013-05-28-12-53-46）-^[[0:36mnotice:Scope（Class[Hwsw]）：在^[[0m]上不需要

我猜是

^[

让python窒息了——它在vim中也被突出显示为蓝色。现在我希望我可以用我的正则表达式替换来清理数据，但那没有起作用

最好的办法是修复生成xml的应用程序，但这超出了范围。因此，我需要按原样处理数据。我如何解决这个问题？我可以接受扔掉“非法”字符的做法。

您已经做到了：

xml_cleaned = re.sub(u'[^\x01-\x7f]+',u'',xml_as_string)

但是字符

^[

可能是Python的

\x1b

。如果xml.parser.expat阻塞了它，您只需清理更多，只接受0x20（空格）以下的一些字符。例如：

xml_cleaned = re.sub(u'[^\n\r\t\x20-\x7f]+',u'',xml_as_string)

你已经做到了：

xml_cleaned = re.sub(u'[^\x01-\x7f]+',u'',xml_as_string)

但是字符

^[

可能是Python的

\x1b

。如果xml.parser.expat阻塞了它，您只需清理更多，只接受0x20（空格）以下的一些字符。例如：

xml_cleaned = re.sub(u'[^\n\r\t\x20-\x7f]+',u'',xml_as_string)

你已经做到了：

xml_cleaned = re.sub(u'[^\x01-\x7f]+',u'',xml_as_string)

但是字符

^[

可能是Python的

\x1b

。如果xml.parser.expat阻塞了它，您只需清理更多，只接受0x20（空格）以下的一些字符。例如：

xml_cleaned = re.sub(u'[^\n\r\t\x20-\x7f]+',u'',xml_as_string)

你已经做到了：

xml_cleaned = re.sub(u'[^\x01-\x7f]+',u'',xml_as_string)

但是字符

^[

可能是Python的

\x1b

。如果xml.parser.expat阻塞了它，您只需清理更多，只接受0x20（空格）以下的一些字符。例如：

xml_cleaned = re.sub(u'[^\n\r\t\x20-\x7f]+',u'',xml_as_string)

---

我知道这是相当古老的，但在下面的url上有一个所有主要字符及其编码的列表

---

我知道这很旧，但是在下面的url上留有一个包含所有主要字符及其编码的列表

---

我知道这很旧，但是在下面的url上留有一个包含所有主要字符及其编码的列表

---

我知道这很旧，但是在下面的url上留有一个包含所有主要字符及其编码的列表

---

您可以尝试使用beautiful soup，它在为我转义无效字符方面做得非常好。看起来有些过于聪明的家伙希望在其tty上有粗体或彩色的输出以显示此警告。您应该删除转义到以下“m”的所有内容。您可以尝试使用beautiful soup，它在转义中做得非常好对我来说是有效的字符。看起来有些过于聪明的家伙想在他的tty上显示粗体或彩色的警告。你应该删除从转义到以下“m”的所有内容。你可以尝试使用beautiful soup，这对我来说是非常好的转义无效字符。看起来有些过于聪明的家伙想要粗体或彩色的输出此警告的tty上的彩色输出。您应该删除从转义到以下“m”的所有内容。您可以尝试使用beautiful soup，这在为我转义无效字符方面做得非常好。看起来有些过于聪明的家伙希望在其tty上为此警告提供粗体或彩色输出。您应该删除转义到下面的“m”。只是想知道：有没有一个好的资源，我可以在其中查找像

^[

有时会被表示出来？我不止一次遇到这样的问题，我想知道将来如何处理这些问题。换句话说，Python系统地使用

\xNN

，除了

\t\n\r

。在Unix上，字符0到31通常被写成

\

，

\A

。。。，

\Z

，

\[

，

\

，

\]

，

\^

，

\\\

，即在反斜杠后使用64到95个字符。还有其他表示法，但我无法为您提供指南……只是想知道：有没有一个好的资源，我可以在那里查找像

这样的特殊字符^[

有时会被表示出来？我不止一次遇到这样的问题，我想知道将来如何处理这些问题。换句话说，Python系统地使用

\xNN

，除了

\t\n\r

。在Unix上，字符0到31通常被写成

\

，

\A

。。。，

\Z

，

\[

，

\

，

\]

，

\^

，

\\\

，即在反斜杠后使用64到95个字符。还有其他表示法，但我无法为您提供指南……只是想知道：有没有一个好的资源，我可以在那里查找像

这样的特殊字符^[

有时会被表示出来？我不止一次遇到这样的问题，我想知道将来如何处理这些问题。换句话说，Python系统地使用

\xNN

，除了

\t\n\r

。在Unix上，字符0到31通常被写成

\

，

\A

。。。，

\Z

，

\[

，

\

，

\]

，

\^

，

\\\

，即在反斜杠后使用64到95个字符。还有其他表示法，但我无法为您提供指南……只是想知道：有没有一个好的资源，我可以在那里查找像

这样的特殊字符^[

有时会被表示出来？我不止一次遇到这样的问题，我想知道将来如何处理这些问题。换句话说，Python系统地使用

\xNN

，除了

\t\n\r

。在Unix上，字符0到31通常被写成

\

，

\A

。。。，

\Z

，