lxml.etree.XMLSyntaxError 韩语字符

Question

我正在尝试解析 https://api.lever.co/v0/postings/matchgroup?mode=xml 但我收到错误

lxml.etree.XMLSyntaxError: CData section not finished

。看来问题是由包含韩国字符的数据引起的。

import lxml.etree                                                                                             
import io                                                                                                     
import requests
url = "https://api.lever.co/v0/postings/matchgroup?mode=xml"
r = requests.get(url)
f = io.BytesIO(r.content)
parser = lxml.etree.XMLParser(recover=False)                                                                                                                                                             
tree = lxml.etree.parse(f,parser) # Raises lxml.etree.XMLSyntaxError

我可以将恢复更改为

True

，但这样一些条目就会丢失。

Answer 1

在这种情况下，文件由于不可打印的

x08

字符 (

^H

)

而损坏

修复它：

f = io.BytesIO(r.content.replace(b"\x08", b""))