处理``在Python

Question

问题背景 ：

我有我导入到BeautifulSoup和通过解析XML文件。一个节点有以下几点：

<DIAttribute name="ObjectDesc" value="Line1&#xD;&#xA;Line2&#xD;&#xA;Line3"/> 

注意，此数值
和文本中
。我知道这些是回车和换行符的XML表示。

当我导入BeautifulSoup，价值被转换成如下：

<DIAttribute name="ObjectDesc" value="Line1 
Line2 
Line3"/> 

你会发现
被转换成一个换行符。

我的用例要求值保持原来的值。任何想法如何让它留下来？还是将其转换回来？

源码：

蟒：（2.7.11）

from bs4 import BeautifulSoup #version 4.4.0 
s = BeautifulSoup(open('test.xml'),'lxml-xml',from_encoding="ansi") 
print s.DIAttribute 

#XML file looks like 
''' 
<?xml version="1.0" encoding="UTF-8" ?> 
<DIAttribute name="ObjectDesc" value="Line1&#xD;&#xA;Line2&#xD;&#xA;Line3"/> 
''' 

记事本++表示源XML文件的编码是ANSI。

事情我已经尝试：

• 我已经冲刷的文档没有任何成功。

• 变化为3行：

  print s.DIAttribute.prettify('ascii') 
  print s.DIAttribute.prettify('windows-1252') 
  print s.DIAttribute.prettify('ansi') 
  print s.DIAttribute.prettify('utf-8') 
  print s.DIAttribute['value'].replace('\r','
').replace('\n','
') #This works, but it feels like a bandaid and will likely other problems will remain. 
  

任何想法吗？我很欣赏任何意见/建议。

Answer 1

只是为了记录，第一库，切勿妥善处理
实体：BeautifulSoup(data ,convertEntities=BeautifulSoup.HTML_ENTITIES)，lxml.html.soupparser.unescape，xml.sax.saxutils.unescape

这是什么工作（在Python 2.x中）：

import sys 
import HTMLParser 

## accept file name as argument, or read stdin if nothing passed 
data = len(sys.argv) > 1 and open(sys.argv[1]).read() or sys.stdin.read() 

parser = HTMLParser.HTMLParser() 
print parser.unescape(data)