Python如何编辑含无效字符的XML文档且保留全部原有字符？

一、Python minidom配置方案 #

minidom底层依赖expat解析器，默认开启XML 1.0字符合法性校验，你可以通过自定义解析器关闭相关校验，保留原始无效字符：

from xml.dom import minidom
from xml.parsers import expat

def create_permissive_parser():
    # 创建自定义expat解析器实例
    parser = expat.ParserCreate()
    parser.returns_unicode = True
    # 关键配置：开启Foreign DTD模式，跳过字符合法性校验
    parser.UseForeignDTD(True)
    # 保留默认实体映射规则，避免原有实体被错误解析
    parser.allowed_entities = {'amp': '&', 'lt': '<', 'gt': '>', 'apos': "'", 'quot': '"'}
    return parser

# 解析文件时传入自定义解析器
with open("你的目标XML文件路径.xml", "rb") as f:
    dom = minidom.parse(f, parser=create_permissive_parser())

注意事项：

• 该配置可正常识别并保留
等原有控制字符实体，不会触发格式报错
• 输出修改后的文件时，直接调用dom.toxml()即可保留原有实体格式，无需额外配置

二、minidom不可用时的lxml实现方案 #

如果minidom的自定义解析器仍无法适配你的文件场景，可以使用lxml库实现解析、遍历、修改全流程，操作更简单，兼容性更强：

解析配置 #

from lxml import etree

# 配置容错解析器
parser = etree.XMLParser(
    recover=True,  # 忽略非法字符报错，尽可能完整还原原始内容
    resolve_entities=False,  # 禁止自动解析实体，保留`
`这类原始写法
    encoding="utf-8"
)
tree = etree.parse("你的目标XML文件路径.xml", parser=parser)
root = tree.getroot()

遍历与修改实现 #

# 递归遍历XML内所有元素节点，无需手动处理嵌套层级
for elem in root.iter():
    # 查看节点标签、当前文本、属性信息
    print(f"节点标签: {elem.tag}, 原有文本: {elem.text}, 属性集合: {elem.attrib}")
    # 修改指定节点文本示例
    if elem.tag == "你需要修改的节点标签":
        elem.text = "修改后的新文本值"
    # 修改指定节点属性示例
    if "目标属性名" in elem.attrib:
        elem.attrib["目标属性名"] = "修改后的新属性值"

# 保存修改后的文件，保留原格式
tree.write(
    "修改后输出文件路径.xml",
    encoding="utf-8",
    xml_declaration=True,
    pretty_print=False
)

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