LXML tötet meine CDATA Abschnitte

Question

Ich bin Batch-Konvertierung viele XML-Dateien, ändern ihre Zeichenkodierungen auf UTF-8:

with open(source_filename, "rb") as source: 
    tree = etree.parse(source) 

    with open(destination_filename, "wb") as destination: 
     tree.write(destination, encoding="UTF-8", xml_declaration=True) 

Leider ist es meine CDATA Abschnitte zu zerstören und zu entkommen sie nur statt.

Quelle:

<d><![CDATA[áÌÀøÅàùÑÄéú ëÌÄé áÈàÅùÑ éäå''ä ðÄùÑÀôÌÈè <small><small>(ùí ëå èæ)</small></small> 

Destination:

<d>בְּרֵאשִׁית כִּי בָאֵשׁ יהו''ה נִשְׁפָּט &lt;small&gt;&lt;small&gt;(שם כו טז)&lt;/small&gt;&lt;/small&gt; 

Gibt es eine Einstellung, die ich festlegen, welche sagen, wird es allein meine CDATA-Abschnitte zu verlassen? Ich benutze hauptsächlich LXML, um die Zeichencodierung zu ändern und den XML-Header richtig zu schreiben.

Answer 1

Verwenden Sie die strip_cdata=False option:

import lxml.etree as etree 
parser = etree.XMLParser(strip_cdata=False) 
with open(source_filename, "rb") as source: 
    tree = etree.parse(source, parser=parser)