使用lxml解析时保留XML属性中的换行符

我用Python脚本批量处理XML文件时，发现属性里的换行符在解析后被替换成了空格，示例如下：

输入XML：

<?xml version='1.0' encoding='UTF-8'?>
<xml>
    <test value="This is
    a test

    with line breaks
    "/>
</xml>

执行以下lxml脚本后：

import lxml.etree as ET

with open("input.xml", "r", encoding="utf-8") as f:
    source = ET.parse(f)
    root = source.getroot()
    dest = ET.ElementTree(root)
    dest.write("output.xml", encoding="utf-8", xml_declaration=True)

输出的XML里换行符被替换为空格：

<?xml version='1.0' encoding='UTF-8'?>
<xml>
    <test value="This is  a test   with line breaks  "/>
</xml>

虽然这符合W3C规范，但我需要在修改XML时保留这些换行符，以下是可行的解决方案：

方案一：使用字符引用替换换行符 #

XML规范会自动规范化属性内的空白字符（换行、回车、制表符都转成空格），要保留换行，需先把换行转成XML实体引用
，解析修改后再写入，实体引用会被保留，从而在输出XML中保留换行的语义。

具体步骤： #

1. 读取XML文件原始内容，将属性值里的换行替换为

2. 解析并修改XML
3. 写入输出文件

示例代码（lxml版本）：

import lxml.etree as ET

# 读取原始文件并替换换行为实体引用
with open("input.xml", "r", encoding="utf-8") as f:
    content = f.read().replace('\n', '
')

# 解析处理
root = ET.fromstring(content)
# 这里可添加自定义修改逻辑，比如修改其他属性或元素

# 写入文件，设置method='xml'确保实体被保留
tree = ET.ElementTree(root)
tree.write("output.xml", encoding="utf-8", xml_declaration=True, method='xml')

输出的XML会变成：

<?xml version='1.0' encoding='UTF-8'?>
<xml>
    <test value="This is&#10;    a test&#10;&#10;    with line breaks&#10;"/>
</xml>

后续读取使用时，将
转回\n即可恢复原始换行。

方案二：lxml自定义解析与写入（特殊场景适用） #

如果不想使用实体引用，可通过lxml的底层Parser接口自定义解析逻辑，捕获属性值并保留原始换行，写入时手动处理属性输出。但这种方式违反XML规范，部分XML处理器可能无法正确解析，仅推荐在特殊场景下使用。

xml.etree.ElementTree的处理方式 #

xml.etree.ElementTree的处理逻辑和lxml一致，同样需要先替换换行为实体引用，示例代码：

import xml.etree.ElementTree as ET

# 读取并替换换行
with open("input.xml", "r", encoding="utf-8") as f:
    content = f.read().replace('\n', '
')

root = ET.fromstring(content)
# 执行修改操作

ET.ElementTree(root).write("output.xml", encoding="utf-8", xml_declaration=True)

内容的提问来源于stack exchange，提问作者Tim Meyer