如何使用lxml解析XML时保留转义字符不还原？

lxml作为遵循XML规范的解析库，默认会自动解析XML实体引用（比如&转成&、'转成'），所以你写的测试代码会失败——'会被逐层解析成'。

要保留原始的转义序列，核心思路是提前把字符串里的&转义成&，让解析器把转义后的'解析回'，这样最终得到的文本就和原字符串一致了。

修改后的测试代码如下：

from lxml import etree

def test_etree_parse():
    test_str = "Text's escaped"
    # 转义字符串中的&，避免lxml解析原始实体
    escaped_str = test_str.replace("&", "&")
    xml = etree.XML(f"<root>{escaped_str}</root>")
    assert xml.find(".").text == test_str  # 现在测试会通过

原理很简单：原字符串里的'会被替换成'，当lxml解析这个XML时，会先把&转成&，最终得到的文本就是Text's escaped，和你的test_str完全匹配。

如果是从外部文件读取XML内容，也可以先读取全部文本，执行相同的替换操作后再交给lxml解析。

内容的提问来源于stack exchange，提问作者Jack Deeth