有没有一种方法可以恢复对无效Char值的iterparse

Question

我正在使用lxml的iterparse来解析一些大的XML文件（3-5Gig）。由于其中一些文件包含无效字符，因此会引发lxml.etree.XMLSyntaxError。

当使用lxml.etree.parse时，我可以提供一个在无效字符上恢复的解析器：

parser = lxml.etree.XMLParser(recover=True)
root = lxml.etree.parse(open("myMalformed.xml, parser)

有没有一种方法可以为iterparse获得相同的功能？

编辑：编码不是问题。这些XML文件中存在无效字符，可以通过定义recover=True的XMLParser来清除这些字符。由于我需要使用iterparse，所以我不能使用自定义解析器。因此，我在这里寻找上面的代码片段中提供的功能：

context = etree.iterparse(open("myMalformed.xml", events=('end',), tag="Foo") <-- cant recover

Answer 1

当你说无效字符时，你指的是unicode字符吗？如果是这样，你可以试试

lxml.etree.XMLParser(encoding='UTF-8', recover=True)

如果您的意思是格式错误的XML，那么这显然是行不通的。如果您可以发布回溯，我们可以看到XMLSyntaxError的性质，它将提供更多信息。