如何用Python移除XML注释行中的多余换行与空格（lxml场景）

问题场景 #

使用lxml将<Necessary/>标签转为注释时，生成的注释出现换行问题，-->被拆分到下一行，需要消除注释内部的换行及多余空格，让注释保持紧凑格式。

当前使用的lxml代码 #

tc.getparent().replace(tc, etree.Comment(etree.tostring(tc)))
print(etree.tostring(doc2).decode())

生成的异常XML格式 #

<List>
    <Item>
        <Price>
            <Amount>100</Amount>
            <Next_Item>
                <Name>Apple</Name>
                <!--<Necessary/>
                -->
            </Next_Item>
            <Next_Item>
                <Name>Orange</Name>
                <!--<Necessary/>
                -->
            </Next_Item>
        </Price>
    </Item>
</List>

已尝试的无效处理（BeautifulSoup） #

soup = BeautifulSoup(open('XML1.xml', 'r'), 'xml')

for elem in soup.find_all():
    if elem.string is not None:
        elem.string = elem.string.strip()

期望的紧凑XML格式 #

<List>
    <Item>
        <Price>
            <Amount>100</Amount>
            <Next_Item>
                <Name>Apple</Name>
                <!--<Necessary/>-->
            </Next_Item>
            <Next_Item>
                <Name>Orange</Name>
                <!--<Necessary/>-->
            </Next_Item>
        </Price>
    </Item>
</List>

有效解决方案 #

方案1：从源头生成紧凑注释文本 #

在创建注释前，先对标签转字符串后的内容做清理，去除换行和多余空白，再传入注释对象：

# 将标签转为字符串并解码，清除所有换行和首尾空白
comment_content = etree.tostring(tc).decode().replace('\n', '').strip()
# 用清理后的内容创建注释，替换原标签
tc.getparent().replace(tc, etree.Comment(comment_content))
# 输出时保持格式化，避免自动拆分注释
print(etree.tostring(doc2, encoding='unicode', pretty_print=True))

方案2：正则替换已生成的XML字符串 #

如果方案1仍有格式问题，可在最终XML字符串上做正则匹配替换，修复注释格式：

import re

# 生成格式化后的XML字符串
xml_output = etree.tostring(doc2, encoding='unicode', pretty_print=True)
# 匹配拆分的注释，替换为紧凑格式
fixed_xml = re.sub(r'<!--(.*?)\n\s*-->', r'<!--\1-->', xml_output, flags=re.DOTALL)
print(fixed_xml)

说明：

• 方案1从生成注释的环节解决问题，避免lxml自动添加换行；
• 方案2针对已生成的XML内容做后处理，适合批量修复现有文件。

内容的提问来源于stack exchange，提问作者Anonymous