忽略xml.etree.ElementTree.XMLParser Python中不匹配的标记

Question

有没有办法在Python xml.etree.ElementTree.XMLParser中忽略不匹配的标签？

Answer 1

如果标记不匹配，那么您正在处理的输入不是XML（因为它的格式不正确）。没有办法用ElementTree“忽略”不匹配的标签。

lxml库中的XMLParser类具有recover构造函数参数（请参阅http://lxml.de/api/lxml.etree.XMLParser-class.html）。当recover=True时，lxml将尝试修复格式错误的输入。例如：

from lxml import etree

BADINPUT = """
<root> 
  <foo>ABC</bar> 
  <baz>DEF</baz> 
</root>"""

parser = etree.XMLParser(recover=True)
root = etree.fromstring(BADINPUT, parser)
print etree.tostring(root)

输出（错误</bar>结束标记已更改为</foo>）：

<root> 
  <foo>ABC</foo>
  <baz>DEF</baz> 
</root>