解析包含无效字符的大型 XML 文件
解析包含无效字符的大型 XML 文件
我有一个1GB的xml文件，但是它包含一些无效字符，比如'&'。我想要在Python中解析它。为了做到这一点，我使用了如下的element tree：
import xml.etree.cElementTree as cElementTree
def main():
context = cElementTree.iterparse('newscor.xml', events=("start", "end"))
context = iter(context)
event, root = context.__next__()
for event, elem in context:
if event == "start":
if elem.tag == 'group':
elem.tail = None
print ( elem.text)
if elem.tag in ['group']:
root.clear()
main()
但是在这一行`for event, elem in context`，它给我报了以下错误：
`xml.etree.ElementTree.ParseError: not well-formed (invalid token)`
为了处理这个错误，我尝试使用带有`recover=True`的lxml解析器，如此链接中所描述的。然而，iterparse()在lxml中没有解析器参数。
因此，我还尝试了使用Sax，如此解决方案中所示，但是我不知道在哪里使用escape方法。
我应该使用什么方法来避免无效字符并解析这个大文件？