python - 有没有办法在无效的 Char 值上恢复 iterparse？

Question

我正在使用 lxmliterparse来解析一些大的 XML 文件（3-5Gig）。由于其中一些文件包含无效字符，lxml.etree.XMLSyntaxError因此会抛出 a。

使用 lxml.etree.parse 时，我可以提供一个解析器，它可以恢复无效字符：

parser = lxml.etree.XMLParser(recover=True)
root = lxml.etree.parse(open("myMalformed.xml, parser)

有没有办法为 iterparse 获得相同的功能？

编辑： 编码在这里不是问题。在这些 XML 文件中存在无效字符，可以通过使用 recover=True 定义 XMLParser 来清除这些字符。因为我需要为此使用 iterparse，所以我不能使用自定义解析器。所以我在这里寻找上面的片段中提供的功能：

context = etree.iterparse(open("myMalformed.xml", events=('end',), tag="Foo") <-- cant recover

Answer 1

当您说无效字符时，您是指Unicode字符吗？如果是这样你可以试试

lxml.etree.XMLParser(encoding='UTF-8', recover=True)

如果您的意思是格式错误的 XML，那么这显然是行不通的。如果您可以发布您的回溯，我们可以看到XMLSyntaxError将提供更多信息的性质。