在给定行号和列号的情况下，如何在python中定位XML错误？

Question

我在解析xml时出错。它给出了一个行号和列号，但我不知道如何定位它

我的代码

urlBase = 'https://www.goodreads.com/review/list_rss/'
urlMiddle = '?shelf=read&order=d&sort=rating&per_page=200&page='
finalUrl = urlBase + str(32994) + urlMiddle +str(1)
resp = requests.get(finalUrl)
from xml.etree import ElementTree as ET
x = ET.fromstring(resp.content)

错误

  File "<string>", line unknown
ParseError: not well-formed (invalid token): line 952, column 1023

我试着打印内容，但只有一行

resp.content

输出太大，无法在此处打印

因此，我不知道如何检查特定的行，因为它只是一行

Answer 1

您正在尝试使用XML解析器解析HTML内容。如果内容不是XML有效的：如果不是XHTML，则可能会遇到问题

相反，您可以使用类似于lxml的HTML解析器

比如说

parser = etree.HTMLParser()
tree   = etree.parse(BytesIO(resp.content), parser)

这会解决你的问题