问题描述

python sax模块解析xml遇到非法字符怎么解决？ 1C

用python的sax模块解析xml的时候出现非法字符直接停止了，百度搜到有大神说用回调函数处理当前的非法字符或者跳过直接运行接下来的内容。不过具体应该怎么实现呢？求大神赐教。下面是我的代码，非法字符是出现再其中的很多个tagname=""url""中的内容，能在原来的基础上改就更好了，再次感谢

import xml.saxclass XmlHandler( xml.sax.ContentHandler ):    def __init__(self):        self.CurrentData = """"        self.url = """"        self.id = """"        self.detail = """"   # 元素开始事件处理    def startElement(self nameattr):        self.CurrentData = name        if name == ""entry"":            print(""*****Entry*****"")   # 元素结束事件处理    def endElement(self name):        if self.CurrentData == ""url"":            print(""url:"" self.url)        elif self.CurrentData == ""phish_id"":            print(""phish_id:"" self.id)        elif self.CurrentData == ""phish_detail_url"":            print(""phish_detail_url:"" self.detail)        self.CurrentData = """"   # 内容事件处理    def characters(self content):        if self.CurrentData == ""url"":            self.url = content        elif self.CurrentData == ""phish_id"":            self.id = content        elif self.CurrentData == ""phish_detail_url"":            self.detail = content        else:if __name__ == ""__main__"":    # 创建一个 XMLReader    parser = xml.sax.make_parser()    # turn off namepsaces    parser.setFeature(xml.sax.handler.feature_namespaces 0)    # 重写 ContextHandler    Handler = XmlHandler()    parser.setContentHandler( Handler )    parser.parse(""online-valid.xml"")

解决方案

这是一个非法的 XML，正常的解析应该拿它没办法。

如果你确定这个 XML 文档里面不可能出现任何的 XML entity，可以先替换 & 字符为 & 再解析。

解决方案二：
python编码转换遇到的非法字符的解决方法