我尝试使用 GET 服务进行解析ElementTree，其内容我不控制，包含非 UTF8 特殊字符：
respXML = response.content.decode("utf-8")
respRoot = ET.fromstring(respXML)
第二行抛出
xml.etree.ElementTree.ParseError：引用无效字符号：第 3591 行，第 39 列
如何确保无论字符集如何都能解析 XML，如果发现非法字符，我可以稍后对其运行替换？例如，是否存在一种包含所有内容的编码？我知道我可以搜索并替换输入 XML 字符串，但我更愿意先解析它，因为我的解析将其转换为更易于搜索的数据结构。
有问题的特殊字符是但我希望能够摄取任何角色。整个标签是<literal>Alzheimers disease</literal>.
在 @tdelaney 的帮助下，我通过将输入 XML 作为字符串进行清理来克服了这个障碍：
respXML = response.content.decode("utf-8")
scrubbedXML = re.sub('&.+[0-9]+;', '', respXML)
respRoot = ET.fromstring(scrubbedXML)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
