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，它显示错误（不正确）。我怎样才能解析这个XML文件或任何其他方法从这个文件中获取数据。

Answer 1

您可以先修改XML和使用CDATA来封装格式不正确的XML

例如：

<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> 

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

这个你可以使用Python中的XML解析器

后

Answer 2

对你的XML片段进行快速的视觉检查，以及两件事情跳到我的身上：你的XML没有形成良好：

• 您的交易<xyz>元素缺少它的斜线：它应该是</xyz>
• 你<a>和元素也未关闭。

Answer 3

的<xyz>标签不均衡（有两个开放标签）和test.xml线是虚假的。您的<a>标记未关闭，它的href属性未被引用。和你的iframe标签一样。您正在使用的解析器应该告诉您它遇到错误的位置。修复它，然后你会很好去。

如果你想解析xml，首先你必须确保它是well formed XML。通常情况下，可以做一些小小的按摩来制作一个不可解析的代码片段，以便您可以使用标准的解析器。