使用etree解析含转义HTML的XML时el.text返回未转义内容的问题

XML解析器默认会自动解码节点文本中的5个XML预定义实体：<、>、&、"、'，调用.text获取节点内容时，这些实体会被转换为对应的原始字符。
你给出的示例中，XML源里的<是两层转义的结果：XML解析时&会被解码为&，拼接后续的lt;就得到了<，所以你最终拿到的文本里<i>标签还是转义状态，属于XML解析的正常行为。

根据你的存储目的决定：

• 如果你希望存储的是纯文本形态的HTML源码（展示时要显示<i>这类标记，而非渲染为斜体效果），写入XML前需要对HTML源码做一次实体转义，XML解析后刚好能得到纯文本形态的HTML代码
• 如果你希望存储的是可直接渲染的格式化HTML，不需要二次转义，直接将HTML内容放入XML的<![CDATA[ ]]>块中存储即可，避免XML解析器把HTML标签识别为XML节点。

推荐两种可落地的实现方式：

• 字段拆分方案
  为同一内容设置两个独立的存储字段：
  • formatted_content：存放原始未转义的HTML，写入到XML的CDATA块中，需要展示格式化效果时直接读取输出即可
  • plain_content：存放转义后的纯文本HTML源码，需要展示代码形态时直接读取输出即可
• 动态处理方案
  所有内容统一存原始未转义的HTML到CDATA块中，渲染时根据需求实时处理：
  • 纯文本展示场景：调用对应语言的HTML实体转义方法（比如Python的html.escape()、JS的textContent赋值）对内容做转义后输出
  • 格式化展示场景：直接输出原始HTML内容即可

不建议用多层转义的方式兼容两种场景，会大幅提升逻辑复杂度，还容易出现转义层数混乱的异常。

内容的提问来源于stack exchange，提问作者Malvinka