如何使用xmltodict.parse处理不可打印数据？

你遇到的ExpatError是因为XML 1.0标准禁止包含大部分ASCII控制字符（比如你的代码里的\x08退格符），而xmltodict默认使用的expat解析器严格遵循XML 1.0规范，所以会报错。下面提供两种解决方案：

方案一：预处理XML，过滤非法控制字符 #

如果不需要保留这些不可打印字符，可以先清理XML字符串，仅保留XML 1.0允许的控制字符（\t、\n、\r），移除其余非法控制字符：

import xmltodict
import re

def clean_invalid_xml_chars(xml_str):
    # 正则匹配并移除所有XML 1.0禁止的控制字符
    return re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f]', '', xml_str)

# 原始XML字符串
raw_xml = '<a>as\x08</a>'
# 清理后解析
cleaned_xml = clean_invalid_xml_chars(raw_xml)
result = xmltodict.parse(cleaned_xml)
print(result)  # 输出: {'a': 'as'}

方案二：切换到XML 1.1模式解析（保留不可打印字符） #

如果需要完整保留原始的不可打印字符，可以自定义expat解析器，切换到XML 1.1模式（该标准允许更多控制字符），再传给xmltodict：

import xmltodict
import xml.parsers.expat

# 创建遵循XML 1.1规范的expat解析器
parser = xml.parsers.expat.ParserCreate()
parser.xml_version = "1.1"

# 使用自定义解析器解析XML
raw_xml = '<a>as\x08</a>'
result = xmltodict.parse(raw_xml, expat=parser)
print(result)  # 输出: {'a': 'as\x08'}

内容的提问来源于stack exchange，提问作者python3.789