lxml - 保留输入符号，禁用实体转换

Question

如果使用 lxml 读取和输出以下字符串，变音符号将转换为实体。

import xml.etree.ElementTree as ET

root = ET.fromstring("<r><s>Die Häuser haben Dächer.</s></r>")
as_text = ET.tostring(root).decode("utf-8")
print(as_text)

输出：

<r><s>Die H&#228;user haben D&#228;cher.</s></r>

预期输出：

<r><s>Die Häuser haben Dächer.</s></r>

变音符号只是一个例子。我通常想禁用实体转换，而是保留原始输入符号。

我可以禁用实体转换吗？ 是否有安全的方法来重新转换实体？

Answer 1

tostring() 使用的默认编码在 ElementTree 和 lxml 中都是 ASCII。

要获得预期的输出，您可以使用 encoding="unicode":

as_text = ET.tostring(root, encoding="unicode")
print(as_text)

参考文献：

• https://docs.python.org/3/library/xml.etree.elementtree.html#xml.etree.ElementTree.tostring
• https://lxml.de/api/lxml.etree-module.html#tostring