带有嵌套CDATA节的lxml_Xml_Lxml_Cdata

带有嵌套CDATA节的lxml

xml

带有嵌套CDATA节的lxml,xml,lxml,cdata,Xml,Lxml,Cdata,我有XML（在别处生成，不受控制），它包含令人讨厌的嵌套CDATA，例如： <?xml version="1.0" encoding="ISO-8859-1"?> <!DOCTYPE prc SYSTEM "prc.dtd"> <body> <![CDATA[Towards Automatic Generation blabla <definition> <query><![CDATA[ <root[ABy

我有XML（在别处生成，不受控制），它包含令人讨厌的嵌套CDATA，例如：

<?xml version="1.0" encoding="ISO-8859-1"?>
<!DOCTYPE prc SYSTEM "prc.dtd">
<body>
  <![CDATA[Towards Automatic Generation blabla
<definition> 
   <query><![CDATA[ <root[AByS]> <sc methodName="get_NYT.ARTICLES" serviceURL="http://www.nytimes.com/srv/"> 
  <params> <param name="subjectP" value="{ subjectP }"> </> </> </> <sc methodName="get_WP.ARTICLES" 
   serviceURL="http://www.wpost.com/srv/"> <params> <param name="subjectP" value="{ subjectP }"> </> </> 
   </> </>; ]]></query> </definition> </serviceDefinition> (b) Figure 7. (a) The query for Web service 
]]>
</body>

因为它认为第一个

]]>

结束了CDATA，实际上它只结束了内部CDATA，而下面的标记

，仍然在外部CDATA中，不应该被解析

解析这种XML的好方法是什么？这意味着我希望CDATA中的所有内容都保持为未解析数据，即使其中包含更多CDATA。编写我自己的解析器？想法？

嵌套的CDATA是不合法的，因此这是无效的XML

CDATA节不能包含“]]>”。在XML中转义它的正确方法如下“]]]>”

嵌套的CDATA不合法，因此这是无效的XML

CDATA节不能包含“]]>”。在XML中转义它的正确方法如下“]]]>”

由于嵌套

CDATA

部分使其不是良好的XML格式，因此不能在其上使用任何XML工具

您需要使用能够处理嵌套结构的文本解析器，因此它需要计数器或堆栈支持。这排除了简单的正则表达式解决方案。如果

CDATA

部分是平衡的，则该任务在某种程度上可以与处理嵌套括号相媲美

展开嵌套的

CDATA

节的一种方法是使它们按顺序排列

CDATA

节

一些伪代码：

counter = 0 or stack is empty
when found "<![CDATA[" string
    if counter != 0 or stack not empty
        replace "<![CDATA[" with "]]><![CDATA["
    increase counter or push to stack
when found "]]>" string
    decrease counter or pop stack
    if counter != 0 or stack not empty
        replace "]]>" with "]]><![CDATA["

计数器=0或堆栈为空
当找到“”字符串时
减少计数器或弹出堆栈
如果计数器！=0或堆栈不为空
将“]]>”替换为“]]>，因为嵌套CDATA
节使其不是格式良好的XML，所以不能在其上使用任何XML工具
您需要使用能够处理嵌套结构的文本解析器，因此它需要计数器或堆栈支持。这排除了简单的正则表达式解决方案。如果CDATA
部分是平衡的，则该任务在某种程度上类似于处理嵌套括号
展开嵌套的CDATA
节的一种方法是使它们按顺序排列CDATA
节
一些伪代码：
counter = 0 or stack is empty
when found "<![CDATA[" string
    if counter != 0 or stack not empty
        replace "<![CDATA[" with "]]><![CDATA["
    increase counter or push to stack
when found "]]>" string
    decrease counter or pop stack
    if counter != 0 or stack not empty
        replace "]]>" with "]]><![CDATA["

计数器=0或堆栈为空
当找到“”字符串时
减少计数器或弹出堆栈
如果计数器！=0或堆栈不为空
将“]]>”替换为“]]>嗯，我看不出这种转义是如何工作的。。。也不知道这些信息如何帮助我解析格式错误的XML，即使它起作用。嗯，我不知道这种转义是如何起作用的。。。也不知道这些信息如何帮助我解析格式错误的XML，即使它有效。