如何让lxml输出时保留>而非转义为>以减少Diff噪声？

问题分析 #

处理Android strings.xml 时，原文件中<string>标签的文本包含<b>这类双重转义的HTML格式内容（实际对应显示<b>）。使用lxml修改name属性添加前缀后，输出文本中的>会被额外转义为>，导致原内容从<b>变成<b>，增加Diff对比的干扰。

解决方案 #

核心思路是让lxml解析时保留原始实体引用，输出时不额外转义合法的文本字符，具体分两步：

1. 读取XML时禁用实体解析 #

使用XMLParser设置resolve_entities=False，避免lxml将&解析为&，从而保留原始的实体转义格式：

from lxml import etree

# 配置解析器：禁用实体解析，保留原文件空白格式
parser = etree.XMLParser(resolve_entities=False, preserve_whitespace=True)
tree = etree.parse("strings.xml", parser)
root = tree.getroot()

2. 修改属性并输出XML #

为name属性添加前缀后，使用tostring输出时保留原始格式，不额外转义>：

# 为<string>标签的name属性添加前缀
prefix = "app_"
for string_node in root.findall("string"):
    current_name = string_node.get("name")
    if current_name:
        string_node.set("name", f"{prefix}{current_name}")

# 输出处理后的XML，保留原始转义
output_content = etree.tostring(
    tree,
    encoding="utf-8",
    method="xml",
    pretty_print=True,
    xml_declaration=True
)

# 写入文件
with open("modified_strings.xml", "wb") as f:
    f.write(output_content)

备选方案：自定义转义规则 #

如果需要更精细控制转义字符，可以自定义escape函数，仅转义XML语法要求的<和&，不转义>：

def custom_xml_escape(text):
    # 只转义XML必须转义的字符：& 和 <
    text = text.replace("&", "&amp;")
    text = text.replace("<", "&lt;")
    # 不转义>，保留原始格式
    return text

# 输出时指定自定义转义函数
output_content = etree.tostring(
    tree,
    encoding="utf-8",
    method="xml",
    pretty_print=True,
    xml_declaration=True,
    escape=custom_xml_escape
)

验证效果 #

处理后的XML文件中，原有的<b>会被完整保留，不会变成<b>，Diff对比时仅会显示name属性的前缀修改，减少无关干扰。

内容的提问来源于stack exchange，提问作者user2347638