有没有办法在无效的Char值上恢复iterparse？

Question

我正在使用lxml的iterparse来解析一些大的XML文件（3-5Gig）。由于其中一些文件包含无效字符，因此会抛出lxml.etree.XMLSyntaxError。

使用lxml.etree.parse时，我可以提供一个可以在无效字符上恢复的解析器：

parser = lxml.etree.XMLParser(recover=True)
root = lxml.etree.parse(open("myMalformed.xml, parser)

有没有办法为iterparse提供相同的功能？

修改 编码不是问题。这些XML文件中存在无效字符，可以通过使用recover = True定义XMLParser来清理这些字符。由于我需要使用iterparse，我不能使用自定义解析器。所以我在这里寻找上面的代码段中提供的功能：

context = etree.iterparse(open("myMalformed.xml", events=('end',), tag="Foo") <-- cant recover

Answer 1

当你说无效字符时，你的意思是unicode字符吗？如果是这样，你可以尝试

lxml.etree.XMLParser(encoding='UTF-8', recover=True)

如果您的意思是格式错误的XML，那么这显然不起作用。如果您可以发布追溯，我们可以看到XMLSyntaxError的性质，它将提供更多信息。