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，它会显示错误（格式不正确）。我如何解析这个 xml 文件或任何其他方法来从此文件获取数据。

Answer 1

您可以先更改 xml 并使用 cdata 包含格式不正确的 xml

示例：

<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>

请参阅： http:// www.w3schools.com/xml/xml_cdata.asp

之后你就可以使用 python xml 解析器

Answer 2

标记不平衡（有两个开始标记），并且 test.xml 行是虚假的。您的 标记未关闭，并且其 href 属性未加引号。与您的 iframe 标记相同。您正在使用的解析器应该告诉您在哪里遇到了错误。修复它然后你就可以开始了。

如果你想解析xml，首先你必须确保它是格式良好的 XML。通常，可以进行一些修改，使原本无法解析的代码片段形成良好的格式，以便您可以使用标准解析器。

Answer 3

快速目视检查您的 XML 片段，我突然发现两件事：您的 XML 格式不正确：

• 您的结束 元素缺少斜杠：它应该是
• 您的 和 元素也未关闭。