LXML uccide le mie sezioni CDATA

Question

Sono in batch di conversione dell'angiotensina un sacco di file XML, cambiando le loro codifiche dei caratteri 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) 

Purtroppo, sta distruggendo i miei CDATA sezioni e solo loro fuga, invece.

Fonte:

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

Destinazione:

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

C'è un'impostazione che posso impostare che dirà a lasciare da soli i miei sezioni CDATA? Uso principalmente LXML per modificare la codifica dei caratteri e scrivere correttamente l'intestazione XML.

Answer 1

Utilizzare la 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)