ElementTree解析含孤立&字符日志报错，求预处理或排查方案

你的问题根源很明确：XML语法要求所有&字符必须转义为&，单独出现的&属于非法token，这就是触发xml.etree.ElementTree.ParseError的原因。当&后面跟了amp;时，它已经是合法的转义字符，所以解析没问题。

你完全可以在解析前对每一行日志做预处理，修复未转义的&字符，不需要排查其他故障。下面是具体的解决步骤和优化后的代码：

核心修复：替换未转义的& #

我们需要用正则表达式精准匹配没有跟随amp;的&字符，避免把已经合法的&再次转义成&。可以用负向预查的正则：r'&(?!amp;)'，意思是匹配后面不是amp;的&。

优化后的完整代码 #

import xml.etree.ElementTree as ET
import os
import re

# 用原始字符串避免路径转义问题
path = r"C:\Users\SuperUser\Desktop\audit\audit\saved\audit"
# 用with语句自动管理文件，避免忘记关闭
with open("logins.xml", "w", encoding="UTF-8") as xmlfile:
    # 先写入根节点开头（原来的代码每行都写xml声明和root，会生成无效的XML）
    xmlfile.write('<?xml version="1.0" encoding="UTF-8"?>\n<root>\n')
    for filename in os.listdir(path):
        file_path = os.path.join(path, filename)  # 用os.path.join更安全的拼接路径
        with open(file_path, encoding="UTF-8") as myfile:
            for line in myfile:
                line = line.strip()
                if not line:
                    continue
                # 预处理：修复未转义的&字符
                cleaned_line = re.sub(r'&(?!amp;)', r'&amp;', line)
                try:
                    xmlVal = ET.fromstring(cleaned_line)
                    finder = "UserAuthenticated/Action"
                    action_elem = xmlVal.find(finder)
                    if action_elem is not None and action_elem.text == 'Login':
                        username_elem = xmlVal.find("UserAuthenticated/LocalUsername")
                        timestamp_elem = xmlVal.find("TimeStamp")
                        # 避免元素不存在导致的AttributeError
                        if username_elem is not None and timestamp_elem is not None:
                            username = username_elem.text
                            timestamp = timestamp_elem.text
                            # 用f-string更简洁，同时避免手动拼接XML的转义问题
                            xml_entry = f'  <entry>\n    <Username>{username}</Username>\n    <Timestamp>{timestamp}</Timestamp>\n  </entry>\n'
                            xmlfile.write(xml_entry)
                            print(f"Writing entry for user {username} at {timestamp} to logins.xml")
                except ET.ParseError as e:
                    print(f"Failed to parse line in {filename}: {line}")
                    print(f"Error: {e}")
    # 写入根节点结尾
    xmlfile.write('</root>')

额外优化说明 #

• 路径处理：用os.path.join拼接路径，避免手动用反斜杠导致的跨平台问题和转义错误；路径字符串用原始字符串r""。
• 文件管理：用with语句自动关闭文件，比手动调用close()更安全。
• XML结构修复：原来的代码每行都写入完整的XML声明和<root>，会生成多个根节点的无效XML。现在改为只写一次根节点，每行写入<entry>子节点，生成合法的XML结构。
• 异常处理：添加try-except捕获解析错误，方便定位有问题的行，不会因为某一行错误导致整个程序中断。
• 空行跳过：跳过空行，避免解析空字符串报错。
• 元素存在检查：增加对username_elem和timestamp_elem的存在检查，避免元素不存在时访问.text抛出AttributeError。

其他注意事项 #

如果日志里还存在其他XML非法字符（比如未转义的<、>、"、'），你可能需要扩展预处理逻辑，比如用xml.sax.saxutils.escape函数，但要注意这个函数会把所有&都转义，所以要先处理已经存在的&，或者先调用escape再把&改回&。

内容的提问来源于stack exchange，提问作者Lycan