要删除字符串中的控制字符,因为无符号控制字符不能够在xml中编码,诸如 ^B 转换成 \x02 ,如果作为内容写入xml,\ 会导致xml错误,所以需要把控制字符删除。
python 代码如下:
方法 一、
def strip_control_characters(str_input):
if str_input:
import re
# unicode invalid characters
RE_XML_ILLEGAL = u'([\u0000-\u0008\u000b-\u000c\u000e-\u001f\ufffe-\uffff])' + \
u'|' + \
u'([%s-%s][^%s-%s])|([^%s-%s][%s-%s])|([%s-%s]$)|(^[%s-%s])' % \
(unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),
unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),
unichr(0xd800),unichr(0xdbff),unichr(0xdc00),unichr(0xdfff),
)
str_input = re.sub(RE_XML_ILLEGAL, "", input)
# ascii control characters
str_input = re.sub(r"[\x01-\x1F\x7F]", "", input)
return str_input
方法 二、
strip_control_characters = lambda s:"".join(i for i in s if 31<ord(i)<127)