如何解析python中表示xml.dom.minidom节点的字符串？

Question

我有一个使用xml.dom.minidom创建的nodes xml.dom.Node对象的集合。通过使用Node对象的toxml（）方法将它们转换为字符串，我将它们（单独）存储在数据库中。

问题是，有时我希望能够使用某种解析器将它们转换回适当的节点对象。据我所见，python附带的各种库都使用Expat，它不会解析像“”这样的字符串，也不会解析任何不正确的xml字符串。

那么，有人有什么想法吗？我意识到我可以以某种方式对节点进行pickle，然后将它们取消pickle，但这感觉很不愉快，我宁愿以一种可以阅读的形式存储，以便进行维护。肯定有什么东西能做到这一点？

对于表示这是可能的质疑，举一个例子说明我的意思：

>>> import xml.dom.minidom
>>> x=xml.dom.minidom.parseString('<a>foo<b>thing</b></a>')
>>> x.documentElement.childNodes[0]
<DOM Text node "u'foo'">
>>> x.documentElement.childNodes[0].toxml()
u'foo'
>>> xml.dom.minidom.parseString(x.documentElement.childNodes[0].toxml())
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/xml/dom/minidom.py", line 1928, in parseString
    return expatbuilder.parseString(string)
  File "/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/xml/dom/expatbuilder.py", line 940, in parseString
return builder.parseString(string)
  File "/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/xml/dom/expatbuilder.py", line 223, in parseString
parser.Parse(string, True)
xml.parsers.expat.ExpatError: syntax error: line 1, column 0

换句话说，“.toxml（）”方法不会创建Expat（因此是现成的parseString）将解析的内容。

我想要的是将u'foo解析为文本节点的东西。一、 一些可以逆转.toxml（）效果的东西

Answer 1

from xml.dom.minidom import parseString

try:
  node = parseString('') 
except Exception:
  node = None

Answer 2

您需要存储哪些类型的节点？

显然，如果使用.toxml('utf-8')序列化，元素节点应该可以工作；只要在文档中没有需要在doctype中定义的entityreference，结果应该可以按原样作为XML文档进行解析，并且可以从documentElement中检索元素。

另一方面，文本节点需要HTML解码或一些包装来解析。如果只需要元素和文本节点，则可以从第一个字符猜测它是否是元素，因为对于元素来说，它必须始终是<：

var xml= node.toxml('utf-8')

...

if (xml.startswith('<')):
    node= minidom.parseString(xml).documentElement
else:
    node= minidom.parseString('<x>%s</x>'%xml).documentElement.firstChild

注释节点也可以通过检查<!--来存储。

其他节点类型（如Attr）的工作将更多，因为它们的XML表示不易与文本区分。您可能需要存储带外nodeType值才能记住它。OTOH minidom无论如何都不会在Attr上实现toxml()，所以这可能不是问题。