如何自动关闭截断文件中的 xml 标签？

Question

如何自动关闭截断文件中的 xml 标签？

当我公司的系统出现错误时，我会收到一封电子邮件。该电子邮件包含全部挤在一行中的 XML。

我编写了一个 notepad++ Python 脚本，它解析除 XML 之外的所有内容并漂亮地打印它。不幸的是，有些电子邮件包含太多 XML 数据，并且会被截断。一般来说，截断的数据对我来说并不那么重要。我希望能够自动关闭任何打开的标签，以便我的 Python 脚本正常工作。它不需要聪明或正确，只需要使 xml 格式足够好以便脚本运行。有没有办法做到这一点？

我对 Python 脚本、在线应用程序、可下载应用程序等持开放态度。

我意识到正确的解决方案是获取未截断的 xml，但是拉动正确的杠杆来完成工作将比仅仅处理它要多得多的工作。

Answer 1

Jor*_*ley 5

使用美丽的汤

>>> import bs4
>>> s= bs4.BeautifulSoup("<asd><xyz>asd</xyz>")
>>> s
<html><head></head><body><asd><xyz>asd</xyz></asd></body></html>
>>
>>> s.body.contents[0]
<asd><xyz>asd</xyz></asd>

Run Code Online (Sandbox Code Playgroud)

请注意，它自动关闭了“asd”标签”

要创建一个 notepad++ 脚本来处理这个问题，

下载 tarball并解压文件
复制bs4到 PythonScript/scripts 文件夹。
在 notepad++ 中将以下代码添加到您的 python 脚本中

#import Beautiful Soup
import bs4
#get text in document
text = editor.getText()
#soupify it to fix XML
soup = bs4.BeautifulSoup(text)
#convert soup object to string again
text = str(soup)
#clear editor and replace bad xml with fixed xml
editor.clearAll()
editor.addText(text)
#change language to xml
notepad.menuCommand( MENUCOMMAND.LANG_XML )
#soup has its own prettify, but I like the XML tools version better
notepad.runMenuCommand('XML Tools', 'Pretty print (XML only - with line breaks)', 1)

Run Code Online (Sandbox Code Playgroud)

归档时间：	12 年，2 月前
查看次数：	847 次
最近记录：	12 年，2 月前