如何阻止expat解析器自动替换XML中的实体字符？

方法1：关闭实体自动展开（推荐） #

Python的expat绑定提供了EnableEntityExpansion开关，默认值为1（开启），会自动将XML中的预定义实体（&、<、>、"、'）替换为对应字符。将该开关设为0即可关闭替换逻辑，原有CharacterDataHandler可以直接收到原始未修改的字符串，改动量最小。

代码示例：

def on_character_data(data):
    print(data)

parser = xml.parsers.expat.ParserCreate(encoding=encoding)
# 新增一行配置，关闭实体自动展开
parser.EnableEntityExpansion = 0
parser.CharacterDataHandler = on_character_data
# 后续解析逻辑无需修改
parser.Parse(test_xml_string)

注意事项：如果你的XML中包含自定义实体引用，关闭自动展开后需要自行实现EntityDeclHandler处理逻辑，否则解析器会抛出未定义实体的错误；仅包含XML预定义实体的场景无需额外处理。

方法2：使用DefaultHandler接收原始字符流 #

如果你需要在其他逻辑中保留实体展开的默认能力，仅在特定场景获取原始文本，可以改用DefaultHandler接收所有未被结构化解析消费的原始内容，包含未解析的实体引用。

代码示例：

def on_default(data):
    # 此处data为原始未解析的文本内容，包含&等原始实体写法
    print(data)

parser = xml.parsers.expat.ParserCreate(encoding=encoding)
# 替换回调为DefaultHandler
parser.DefaultHandler = on_default
parser.Parse(test_xml_string)

注意事项：DefaultHandler会收到标签之外的所有原始内容，包括标签间的空白、注释、处理指令等，需要自行过滤筛选需要的正文内容。

内容的提问来源于stack exchange，提问作者midrare