使用lxml/ElementTree时如何禁用XML实体转换保留原始输入符号

使用XML解析库处理包含非ASCII变音字符的文本时，序列化输出阶段会自动将非ASCII字符转换为数字字符实体，而非保留原始Unicode字符形式。
复现代码：

import xml.etree.ElementTree as ET

root = ET.fromstring("<r><s>Die Häuser haben Dächer.</s></r>")
as_text = ET.tostring(root).decode("utf-8")
print(as_text)

实际输出：
<r><s>Die H&#228;user haben D&#228;cher.</s></r>
期望输出：
<r><s>Die Häuser haben Dächer.</s></r>
目标是全场景禁用这类无意义的实体转换，直接保留原始输入的Unicode符号，同时确保实体还原过程足够安全，不破坏XML结构、不存在解析风险。

序列化阶段从根源禁用实体转换 #

非ASCII字符被自动转成实体的根本原因是，xml.etree.ElementTree（包括lxml）默认的序列化输出编码为ASCII，为了适配ASCII编码的字符范围，解析库会自动将所有非ASCII字符转换为数字实体。
仅需调整序列化时的编码参数，即可从根源关闭这类转义，不需要额外打补丁：

• 若需要直接输出字符串形式的XML，调用tostring时传入encoding="unicode"参数，解析库会直接以Unicode形式输出所有字符，不会触发非ASCII字符的实体转义：

  as_text = ET.tostring(root, encoding="unicode")
  print(as_text)
  

  输出结果完全匹配期望，直接保留原始变音字符。
• 若需要输出二进制形式的XML流，调用tostring时传入encoding="utf-8"并关闭XML声明，输出的二进制流经过UTF-8解码后同样不会生成实体：

  as_bytes = ET.tostring(root, encoding="utf-8", xml_declaration=False)
  as_text = as_bytes.decode("utf-8")
  

• lxml的处理逻辑与原生ET完全一致，只要传入相同的编码参数，就可以自动关闭非ASCII字符的实体转换，无额外配置要求。

已生成实体的安全还原方法 #

如果处理流程中已经生成了带数字实体的XML字符串，不推荐直接使用全局html.unescape方法做还原。这类全局方法会将XML语法必需的保留实体（比如<、>、&）也一并还原成对应符号，最终破坏XML标签结构，甚至引发解析注入风险。
安全的还原流程：

1. 将带实体的字符串作为合法XML片段，重新喂给XML解析器处理。XML解析器会自动识别并把数字实体转成对应的Unicode字符，全程严格保留XML语法层面的保留实体，不会被错误转换。
2. 解析完成后按照上文的UTF-8/Unicode模式重新序列化，即可得到结构完整、字符正确的输出结果，完全避免手动还原实体带来的结构破坏风险。

注意：禁止对完整XML文档直接执行无差别实体反转义，这类操作会直接将转义过的文本内容还原成真实的XML标签，彻底破坏文档结构。

内容的提问来源于stack exchange，提问作者user3033490