XML结束标记将文件弄乱

Question

基本上，我下载了一些XML文件，然后用元素树附加它们。问题是最终文件包含以下内容：

<<?xml version="1.0" encoding="UTF-8" standalone="yes"?> - at the start of each new xml fil
...
</product_info> /><product_info> ...

其中，产品信息是实际的余弦标签和/>；是什么把一切都搞砸了

我通过删除原始XML文件中的XML声明修复了第一部分：

replace('<?xml version="1.0" encoding="UTF-8" standalone="yes"?><','')
#I remove a closing bracet at the end because I cannot remove the opening bracet as it is not in the original file

我怀疑问题在于，出于某种原因，在对每个XML文件进行模拟之前，它都包含在某个标记中

当我检查“ET.SubElement（root，response_xml）”时，这是打印的内容：

<Element 'product_info article_id="0006303562403"...'

标签可能是问题所在吗

Answer 1

如果您的文件不是well-formed，那么它就不符合XML的条件，并且您通常不能使用设计用于在不符合XML定义的数据上解析XML的库

结构良好的故障示例包括：

• 在XML声明之前有任何内容
• 有多个根元素的
• 未正确关闭元素
• 组件名称中不允许使用字符。（例如，XML属性名称不能以'开头。）

您必须修复违反良好格式规则的代码，或手动编辑数据进行修复，或查看此Q/A了解其他选项：

• How to parse invalid (bad / not well-formed) XML?