python 過濾xml非法字符 :not well-formed (invalid token)錯誤處理

python處理xml報錯:

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

查詢得知xml有不支持的字符范圍

出現這個錯誤的原因是,xml文件中含有非法字符,是一個bad xml,即不符合xml規范的.

由於xml文件是第三方提供,只能自己這里處理掉xml中的非法字符

python過濾方法:

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

替換掉非法字符即可

適用於不會使用到非法字符的情況