lxml解析XML时自动转换
为\n导致校验和不一致的解决方法咨询

我遇到过完全一样的问题——lxml默认会把XML中的数值字符引用（比如
）解析成对应的实际字符，这直接导致了校验和不匹配。这里有两种可靠的解决方案，你可以根据自己的场景选择：

方案1：解析时保留原始实体（推荐） #

通过配置lxml的XMLParser，禁用实体解析功能，这样lxml会完全保留XML中的原始实体字符串，不会转换成对应的字符，从根源上解决校验和不一致的问题。

示例代码：

from lxml.etree import tostring, fromstring, XMLParser
import hashlib

document = "<root><note><body>Some text, text &#xA;text text text</body></note></root>"
# 创建解析器，禁用实体解析
parser = XMLParser(resolve_entities=False)
tree = fromstring(document, parser=parser)

# 获取需要计算校验和的元素
body_element = tree.find("note/body")
# 序列化后的内容会完整保留原始的&#xA;
serialized_body = tostring(body_element)
print(serialized_body)  # 输出: b'<body>Some text, text &#xA;text text text</body>'

# 计算校验和，结果与客户端完全一致
checksum = hashlib.sha256(serialized_body).hexdigest()
print(checksum)  # 输出: 9f7cb6989df55572968be655fb86e461c257a74f8cc40019d1315a5c10978cd8

注意：这个参数会禁用所有实体的解析，包括自定义实体。但如果你的业务场景中客户端传入的XML只包含标准数值字符引用和预定义实体（如&、<），这完全符合需求——因为客户端正是基于这些原始实体字符串计算校验和的。

方案2：序列化时转换特定字符 #

如果你确定只需要处理
这类特定的字符引用，也可以在序列化后把解析后的字符再转换回原始实体格式。这种方案适合场景单一、已知仅需处理少数字符的情况。

示例代码：

from lxml.etree import tostring, fromstring
import hashlib

document = "<root><note><body>Some text, text &#xA;text text text</body></note></root>"
tree = fromstring(document)

body_element = tree.find("note/body")
# 先序列化元素，再把换行符替换回&#xA;
serialized_body = tostring(body_element).replace(b'\n', b'&#xA;')
print(serialized_body)  # 输出: b'<body>Some text, text &#xA;text text text</body>'

# 计算校验和，结果与客户端一致
checksum = hashlib.sha256(serialized_body).hexdigest()
print(checksum)  # 输出: 9f7cb6989df55572968be655fb86e461c257a74f8cc40019d1315a5c10978cd8

不过要注意，这个方案只处理了你已知的字符，如果XML中还有其他数值引用（比如
回车符），就需要额外添加替换逻辑，覆盖范围远不如方案1全面。

内容的提问来源于stack exchange，提问作者Przemek