Python XML ElementTree无法读取含&的节点问题求助

问题本质 #

XML规范明确要求特殊字符（&、<、>、"、'）必须转义，其中&必须写成&。你的XML文件中存在未转义的&（比如JAMES&001），直接违反了XML格式规则，导致ElementTree解析时触发格式错误。

修复方法 #

分两种场景处理：

1. 直接修改源XML文件

用文本编辑器打开XML文件，将所有未转义的&替换为&。注意不要替换已经转义的合法实体（比如&、<等），可以用正则查找替换：

• 查找规则：&(?!amp;|lt;|gt;|quot;|apos;)
• 替换为：&

2. Python读取时预处理（无法修改源文件时）

先读取文件内容，预处理修复未转义的&，再解析XML：

import xml.etree.ElementTree as et
import re

# 读取原始XML内容
with open("your_file.xml", 'r', encoding='utf-8') as f:
    xml_content = f.read()

# 替换未转义的&，保留合法的XML实体
fixed_xml = re.sub(r'&(?!amp;|lt;|gt;|quot;|apos;)', r'&', xml_content)

# 解析修复后的XML
root = et.fromstring(fixed_xml)
ids = root.findall("uid")

注意事项 #

如果你的XML中包含自定义实体（比如&my_entity;），上述正则会误替换这类实体的&，此时需要调整正则规则，或者先在XML中定义自定义实体再进行解析。

内容的提问来源于stack exchange，提问作者chhibbz