ElementTree更改文本换行符？如何关闭此功能？

Question

我遇到了ElemenetTree的问题，当它解析文件或字符串时，它被xml内的文本弄乱了。我们得到xml，其中行尾可能是windows \r\n或unix \n。我们正在处理文本并从中拉出偏移量。由于ET将实际文本弄乱了，这意味着无法将偏移量映射回原始文本。

运行此最小示例显示了问题。

>>> import xml.etree.ElementTree as ET
>>> xml = '<element>this is text\r\nwith windows newlines</element>'
>>> e = ET.fromstring(xml)
>>> xml
'<element>this is text\r\nwith windows newlines</element>'
>>> e.text
'this is text\nwith windows newlines'
>>> print(xml)
<element>this is text
with windows newlines</element>
>>> print(e.text)
this is text
with windows newlines

解析的文本将换行符从\r\n转换为\n

[最初，我认为“还不错，如果输入字符串包含\n，只需再次用\r\n替换所有\r，但是查看我们的数据，我们可以获得诸如\r\r\n，\r\n\n等的组合。会从ET产生甚至更奇怪的结果：

>>> xml = '<element>multiple returns\r\r\nget lost</element>'
>>> e = ET.fromstring(xml)
>>> e.text
'multiple returns\n\nget lost'
>>> xml = '<element>multiple returns\r\n\nget lost</element>'
>>> e = ET.fromstring(xml)
>>> e.text
'multiple returns\n\nget lost'
>>> xml = '<element>lone\rreturns? what??</element>'
>>> e = ET.fromstring(xml)
>>> e.text
'lone\nreturns? what??'

我已经在2.7.15，python 3.7.3和pypy 2.5.0（python 2.7.8）（我目前在我的计算机上进行了测试）中进行了测试，并且所有3种都表现出相同的行为。我找不到其他人遇到此问题，但这种行为感觉不正确。使用Java和C＃的内置库运行相同的测试不会显示这种类型的行为。

Answer 1

是否要保持数据不变？您可以将原始XML文件替换为ET生成的数据。您也可以尝试以下方法。

>>> from simplified_scrapy import SimplifiedDoc
>>> xml = '<element>multiple returns\r\nget lost</element>'
>>> doc = SimplifiedDoc(xml)
>>> doc.element.html
'multiple returns\r\nget lost'
>>> doc.html
'<element>multiple returns\r\nget lost</element>'