python - 序列化为字符串时，如何防止 lxml 自动关闭空元素？

Question

我正在解析一个巨大的 xml 文件，其中包含许多空元素，例如

<MemoryEnv></MemoryEnv>

序列化时

etree.tostring(root_element, pretty_print=True)

输出元素折叠为

<MemoryEnv/>

有什么办法可以避免这种情况吗？ etree.tostring() 不提供这样的功能。

有没有办法干扰 lxml 的 tostring() 序列化程序？

顺便说一句，html 模块不起作用。它不是为 XML 设计的，并且 它不会以原始形式创建空元素。

问题是，尽管空元素的折叠和未折叠形式是等价的， 解析此文件的程序将无法处理折叠的空元素。

Answer 1

这里有一个方法可以做到这一点。确保所有空元素的 text 值不是 None。

例子:

from lxml import etree

XML = """
<root>
  <MemoryEnv></MemoryEnv>
  <AlsoEmpty></AlsoEmpty>
  <foo>bar</foo>
</root>"""

doc = etree.fromstring(XML)

for elem in doc.iter():
    if elem.text == None:
        elem.text = ''

print etree.tostring(doc)

输出:

<root>
  <MemoryEnv></MemoryEnv>
  <AlsoEmpty></AlsoEmpty>
  <foo>bar</foo>
</root>

---

另一种方法是使用 write_c14n()写法canonical XML (不使用特殊的空元素语法)到文件。

from lxml import etree

XML = """
<root>
  <MemoryEnv></MemoryEnv>
  <AlsoEmpty></AlsoEmpty>
  <foo>bar</foo>
</root>"""

doc = etree.fromstring(XML)

doc.getroottree().write_c14n("out.xml")