python 过滤xml非法字符 :not well-formed (invalid token)错误处理

python处理xml报错:

xml.etree.ElementTree.ParseError: not well-formed (invalid token):

查询得知xml有不支持的字符范围

出现这个错误的原因是,xml文件中含有非法字符,是一个bad xml,即不符合xml规范的.

由于xml文件是第三方提供,只能自己这里处理掉xml中的非法字符

python过滤方法:

text = open ( "badxml.xml" ).read() text = re.sub(u "[\x00-\x08\x0b-\x0c\x0e-\x1f]+" ,u"",text) root = ElementTree.fromstring(text)

替换掉非法字符即可

适用于不会使用到非法字符的情况