python - LXML 杀死了我的 CDATA 部分

Question

我正在批量转换大量 XML 文件，将它们的字符编码更改为 UTF-8:

with open(source_filename, "rb") as source:
    tree = etree.parse(source)

    with open(destination_filename, "wb") as destination:
        tree.write(destination, encoding="UTF-8", xml_declaration=True)

不幸的是，它正在破坏我的 CDATA 部分，而只是转义它们。

来源:

<d><![CDATA[áÌÀøÅàùÑÄéú ëÌÄé áÈàÅùÑ éäå''ä ðÄùÑÀôÌÈè <small><small>(ùí ëå èæ)</small></small>

目的地:

<d>בְּרֵאשִׁית כִּי בָאֵשׁ יהו''ה נִשְׁפָּט &lt;small&gt;&lt;small&gt;(שם כו טז)&lt;/small&gt;&lt;/small&gt;

有没有我可以设置的设置，告诉它不要理会我的 CDATA 部分？我主要使用 LXML 来更改字符编码并正确编写 XML header 。

Answer 1

使用 strip_cdata=False option :

import lxml.etree as etree
parser = etree.XMLParser(strip_cdata=False)
with open(source_filename, "rb") as source:
    tree = etree.parse(source, parser=parser)