如何使用lxml XSLT解码XML文档中的西里尔文属性值？

问题场景 #

使用lxml执行XSLT转换XML时，属性中的西里尔文被自动转为&#xXXXX;格式的Unicode转义序列，即使设置encoding='unicode'也无法保留原始字符，需要输出保留原始西里尔文属性值的XML结果。

原代码 #

import lxml.etree as ET
 
data = '<Response> <ОргМн Наим="ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ"> <Орг НаимЮЛПолн="НАИМЕНОВАНИЕ 5087"> <ГРНДата ГРН="5087" ДатаЗаписи="2008-11-18"/> </Орг> </ОргМн> </Response>'
 
rools = '<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> <xsl:template match="/"> <xsl:copy-of select="*" /> </xsl:template> </xsl:stylesheet>'
 
root = ET.fromstring(data)
xslt = ET.fromstring(rools)
transform = ET.XSLT(xslt)
newdom = transform(root)
 
result = ET.tostring(newdom, encoding='unicode')
print(result)

解决方法 #

需要从两个方面调整：

1. 在XSLT样式表中添加输出声明，明确指定编码和输出格式
2. 调整ET.tostring的序列化参数，避免对非ASCII字符进行实体转义

修改后的代码如下：

import lxml.etree as ET
 
data = '<Response> <ОргМн Наим="ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ"> <Орг НаимЮЛПолн="НАИМЕНОВАНИЕ 5087"> <ГРНДата ГРН="5087" ДатаЗаписи="2008-11-18"/> </Орг> </ОргМн> </Response>'
 
# 新增xsl:output声明，指定UTF-8编码和XML输出方法
rools = '<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> <xsl:output encoding="UTF-8" method="xml" indent="yes"/> <xsl:template match="/"> <xsl:copy-of select="*" /> </xsl:template> </xsl:stylesheet>'
 
root = ET.fromstring(data)
xslt = ET.fromstring(rools)
transform = ET.XSLT(xslt)
newdom = transform(root)
 
# 使用utf-8编码序列化后解码为Unicode，同时保留缩进
result = ET.tostring(newdom, encoding='utf-8', pretty_print=True).decode('utf-8')
print(result)

说明 #

• XSLT中的<xsl:output encoding="UTF-8" method="xml" indent="yes"/>明确告诉处理器输出UTF-8编码的XML，并且格式化缩进
• ET.tostring指定encoding='utf-8'序列化后，再用decode('utf-8')转为字符串，这样非ASCII的西里尔文会直接保留，不会被转成实体序列
• 若需要更精细的控制，可以使用lxml.etree.XMLSerializer类，自定义序列化规则

输出结果 #

<Response>
    <ОргМн Наим="ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ">
        <Орг НаимЮЛПолн="НАИМЕНОВАНИЕ 5087">
            <ГРНДата ГРН="5087" ДатаЗаписи="2008-11-18"/>
        </Орг>
    </ОргМн>
</Response>

内容的提问来源于stack exchange，提问作者losob22630