Разобрать атрибут элемента xml, используя minidom python

Question

Мне нужно проанализировать xml, в котором есть элементы xml с атрибутами, значения которых могут быть многострочными с пробелами и переносами строк.

Я выполняю синтаксический анализ с использованием minidom, но значения многострочных атрибутов, которые я получаю, не имеют строкиперерывы.

Как получить такие значения с помощью минидома?Если не минидом, какая другая библиотека поддерживает такие атрибуты?

Answer 1

Согласно XML-Spec - 3.3.3 Нормализация значений атрибутов переводы строк не допускаются и заменяются пробелами.

Перед передачей значения атрибутаприложение или проверено на достоверность, процессор XML должен нормализовать значение атрибута, применяя приведенный ниже алгоритм или используя какой-либо другой метод так, чтобы значение, передаваемое приложению, было таким же, как и значение, полученное алгоритмом.

1. Все разрывы строк должны быть нормализованы при вводе в #xA, как описано в 2.11 Обработка конца строки, поэтому остальная часть этого алгоритма работает с текстом, нормализованным таким образом.

2. Начните с нормализованного значения, состоящего из пустой строки.

3. Для каждого символа, ссылки на сущность или ссылки на символ в ненормализованном значении атрибута, начиная с первого ипродолжая до последнего, сделайте следующее:

   • Для ссылки на символ добавьте указанный символвведите нормализованное значение.

   • Для ссылки на сущность рекурсивно примените шаг 3 этого алгоритма к тексту замены сущности.

   • Для пробела (# x20, # xD, # xA, # x9) добавьте пробел (# x20) к нормализованному значению.

   • Для другого символа добавьте символ к нормализованному значению.

(выделено мной)

См. open "bug" xml.dom.minidom не пропускает символы CR, LF и TAB в пределах значений атрибута , а также)

Answer 2

Это не вопрос minidom или чего-то еще.Это XML стандарт, который сообщает, что значение атрибута

Для символа пробела (# x20, #xD, #xA, # x9) добавьте символ пробела (# x20) кнормализованное значение

https://www.w3.org/TR/2008/REC-xml-20081126/#attdecls

Это означает, что вы никогда не найдете символы \n (перевод строки), \r (возврат каретки) или \t (табуляция) взначение атрибута XML, по крайней мере, если ваш синтаксический анализатор следует правилам.