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/>

有什么办法可以防止这种情况吗？在etree.tostring()不提供这样的设施。

有没有办法干扰 lxml 的tostring()序列化程序？

顺便说一句，该html模块不起作用。它不是为 XML 设计的，也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效的，但解析此文件的程序无法处理折叠的空元素。

Answer 1

这是一种方法。确保text所有空元素的值都不是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：

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)

另一种方法是使用该write_c14n()方法将规范的 XML（不使用特殊的空元素语法）写入文件。

from lxml import etree

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

doc = etree.fromstring(XML)

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

Answer 2

使用 XML 方法 (c14n) 进行打印并且它与 lxml 一起使用，它不会折叠空元素。

>>> from lxml import etree
>>> s = "<MemoryEnv></MemoryEnv>"
>>> root_element = etree.XML(s)
>>> etree.tostring(root_element, method="c14n")
b'<MemoryEnv></MemoryEnv>'