python處理xml中非法字元的一種思路

非法字元在xml中的儲存一直比較討厭，其實這個非法字元並不僅僅是非可見字元，還包括xml中規定的某些特殊字元，比如<&>等。
一種比較方便的處理方式是將那些非法字元採用HEX方式儲存或者base64加密後儲存，以下是兩個函數展示怎麼採用base64加密的方式妥善處理那些非法字元，既保證資料的完整性，又能保持可讀。畢竟所產生的xml不僅僅是用於機器讀取，而且很大一部分還要對人閱讀友好。其中的思路是：對於存在非法字元的字串，統一使用base64加密，在產生的xml標籤中增加base64=True屬性，對於不存在非法字元的，直接顯示未經處理資料，產生的標籤中也不再添加base64屬性。這樣既能保證資料的完整性，又能保持xml的可讀性。

# -*- encoding: utf-8 -*-"""Created on 2011-11-08@summary: helper functions may be used in xml process@author: JerryKwan"""try:    import xml.sax.saxutilsexcept ImportError:    raise ImportError("requires xml.sax.saxutils package, pleas check if xml.sax.saxutils is installed!")import base64import logginglogger = logging.getLogger(__name__)__all__ = ["escape", "unescape"]def escape(data):    """    @summary:            Escape '&', '<', and '>' in a string of data.            if the data is not ascii, then encode in base64    @param data: the data to be processed    @return        {"base64": True | False,         "data": data}    """    # check if all of the data is in ascii code    is_base64 = False    escaped_data = ""    try:        data.decode("ascii")        is_base64 = False        # check if the data should be escaped to be stored in xml        escaped_data = xml.sax.saxutils.escape(data)    except UnicodeDecodeError:        logger.debug("%s is not ascii-encoded string, so i will encode it in base64")        # base64 encode        escaped_data = base64.b64encode(data)        is_base64 = True    return {"base64": is_base64,            "data": escaped_data}def unescape(data, is_base64 = False):    """    @summary:            Unescape '&', '<', and '>' in a string of data.            if base64 is True, then base64 decode will be processed first    @param data: the data to be processed    @param base64: specify if the data is encoded by base64    @result: unescaped data    """    # check if base64    unescaped_data = data    if is_base64:        try:            unescaped_data = base64.b64decode(data)        except Exception, ex:            logger.debug("some excpetion occured when invoke b64decode")            logger.error(ex)            print ex    else:        # unescape it        unescaped_data = xml.sax.saxutils.unescape(data)    return unescaped_dataif __name__ == "__main__":    def test(data):        print "original data is: ", data        t1 = escape(data)        print "escaped result: ", t1        print "unescaped result is: ", unescape(t1["data"], t1["base64"])        print "#" * 50    test("123456")    test("測試")    test("< & >")    test("`!@#$%^&*:'\"-=")    print "just a test"    

 注意：上述方法做的比較簡單，只是處理了ascii字元和<&>，非ascii統一使用base64加密，要想做相容性更好一些的話，可以採用chardet包，將字串同意轉換成utf-8儲存，這樣一來適用性會強很多。