Python 3.5中ElementTree为何不转义垂直制表符？

嘿，这个问题我之前也踩过坑！xml.etree.ElementTree确实不会自动处理垂直制表符这类XML规范外的控制字符，而XML 1.0明确要求除了\t、\n、\r之外的控制字符必须转义或移除，不然生成的XML就是无效的，后续解析格式化自然会失败。下面给你两个靠谱的解决方案：

核心问题原因 #

XML规范里，像\v（U+000B，垂直制表符）、\f（U+000C，换页符）这类控制字符属于非法字符，不能直接出现在XML内容中。但xml.etree.ElementTree默认只转义<、>、&、"、'这5个基础字符，对其他控制字符完全不处理，这就导致生成的XML不符合规范，解析器（比如xml.dom.minidom）会直接报错。

方案1：手动转义非法控制字符 #

把非法字符转换成对应的XML实体引用，比如\v转成（对应它的Unicode编码），这样XML解析器就能正常识别了。

代码示例：

import xml.etree.ElementTree as ET
import xml.dom.minidom as MD

def escape_xml_control_chars(text):
    if not text:
        return text
    # 转义垂直制表符
    text = text.replace('\v', '')
    # 可选：同时处理换页符等其他非法控制字符
    text = text.replace('\f', '')
    return text

# 初始化元素并处理文本
root = ET.Element("root")
original_text = "some <&... text with \v vertical tab here"
root.text = escape_xml_control_chars(original_text)

# 生成XML并格式化
raw_xml = ET.tostring(root, encoding='unicode')
formatted_xml = MD.parseString(raw_xml).toprettyxml(indent="  ")

print(formatted_xml)

方案2：直接移除非法控制字符 #

如果这些控制字符对你的业务没用，直接过滤掉更简单：

import xml.etree.ElementTree as ET
import xml.dom.minidom as MD
import string

def filter_invalid_xml_chars(text):
    if not text:
        return text
    # 只保留XML允许的字符：可打印字符 + \t\n\r
    valid_chars = string.printable + '\t\n\r'
    return ''.join(char for char in text if char in valid_chars)

# 初始化元素并过滤文本
root = ET.Element("root")
original_text = "some <&... text with \v vertical tab here"
root.text = filter_invalid_xml_chars(original_text)

# 生成XML并格式化
raw_xml = ET.tostring(root, encoding='unicode')
formatted_xml = MD.parseString(raw_xml).toprettyxml(indent="  ")

print(formatted_xml)

额外注意 #

如果你的Python版本是3.9及以上，ET.tostring()新增了一些参数，但对控制字符的处理逻辑还是没变，所以依然需要手动处理这些非法字符才能保证XML的有效性。

内容的提问来源于stack exchange，提问作者Pavel K