忽略XML标记之间的文本

Question

""" test.xml

<xyz>
      <pqr>
        <abc><a href="data:text/html;charset=utf-8,base64,JTNjc2NyaXB0JTNlYWxlcnQoIlhTUyIpO2hpc3RvcnkuYmFjaygpOyUzYy9zY3JpcHQlM2UiPjwvYT4=</abc>
      </pqr>
      <pqr>
        <abc><iframe src="data:text/html;charset=utf-8,base64,JTNjc2NyaXB0JTNlYWxlcnQoIlhTUyIpO2hpc3RvcnkuYmFjaygpOyUzYy9zY3JpcHQlM2UiPjwv</abc>
      </pqr>
<xyz>

""""

当我使用这个XML文件并在python中解析时，它会显示错误（格式不正确）。如何解析这个xml文件或任何其他方法来从这个文件中获取数据。在

Answer 1

您可以先更改xml，然后使用cdata将格式不正确的xml括起来

示例：

<xyz>
      <pqr>
        <abc><![CDATA[<a href="data:text/html;charset=utf-8,base64,JTNjc2NyaXB0JTNlYWxlcnQoIlhTUyIpO2hpc3RvcnkuYmFjaygpOyUzYy9zY3JpcHQlM2UiPjwvYT4=]]></abc>
      </pqr>
      <pqr>
        <abc><![CDATA[<iframe src="data:text/html;charset=utf-8,base64,JTNjc2NyaXB0JTNlYWxlcnQoIlhTUyIpO2hpc3RvcnkuYmFjaygpOyUzYy9zY3JpcHQlM2UiPjwv]]></abc>
      </pqr>
<xyz>

参见：http://www.w3schools.com/xml/xml_cdata.asp

之后，您就可以使用pythonxml解析器了

Answer 2

对您的XML片段进行了快速的视觉检查，我突然想到两件事：您的XML格式不好：

• 结束符<xyz>元素缺少斜杠：它应该是</xyz>
• 您的<a>和<iframe>元素也未闭合。在

Answer 3

<xyz>标记不平衡（有两个开始标记），并且test.xml行是假的。您的<a>标记没有关闭，并且它的href属性没有被引用。和你的iframe标签一样。您使用的解析器应该告诉您在哪里遇到错误。修好它，你就可以走了。在

如果要解析xml，首先必须确保它是well formed XML。通常，可以进行一些修改，使原本无法解析的代码段成为格式良好的代码段，这样您就可以使用标准解析器了。在