XMLSyntaxError 表明 lxml 解析时发现 XML 语法错误，需定位问题、容错处理并修复输入，常见原因包括 BOM/控制字符、HTML 风格自闭合标签、特殊符号未转义等。
遇到 XMLSyntaxError 说明 lxml 解析 XML 字符串或文件时发现语法不合法，比如标签未闭合、编码声明错误、非法字符、嵌套混乱等。关键不是“避开错误”，而是**定位问题 + 容错处理 + 修复输入**。
检查原始 XML 是否合法
很多 XMLSyntaxError 源于输入本身就有问题，比如：
- 开头多了 BOM 或不可见控制字符（如
\u200b） - 使用了 HTML 风格的自闭合标签（
- 中文或特殊符号未正确转义（如
&写成&，写成） - 声明了编码（如
），但实际内容不是该编码
用 parser 设置容错模式
lxml 的 etree.XMLParser 支持 recover 模式，可跳过部分错误继续解析（适合非严格场景）：
from lxml import etreeparser = etree.XMLParser(recover=True) # 关键：启用恢复模式 try: root = etree.fromstring(bad_xml, parser=parser) print("解析成功，可能丢失部分节点") except etree.XMLSyntaxError as e: print(f"仍报错：{e}")
注意：recover=True 不保证结果完整，仅适用于调试或容忍度高的场景（如抓取网页中混杂的 XML 片段）。
立即学习“Python免费学习笔记（深入）”；
捕获异常并打印上下文
直接看报错信息往往不够，需结合行号和出错位置定位：
try:
root = etree.fromstring(xml_str)
except etree.XMLSyntaxError as e:
print(f"行 {e.lineno}，列 {e.offset}：{e.msg}")
# 打印出错行附近几行，方便人工检查
lines = xml_str.splitlines()
start = max(0, e.lineno - 2)
end = min(len(lines), e.lineno + 1)
for i, line in enumerate(lines[start:end], start + 1):
marker = "→" if i == e.lineno else " "
print(f"{marker}{i:3}: {line}")
预处理常见非法内容
对不确定来源的 XML，可做轻量清洗再解析：
- 移除 BOM：
xml_str = xml_str.lstrip('\ufeff') - 修正常见非法字符（如 Windows 换行符、零宽空格）：
xml_str = re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f]', '', xml_str) - 补全缺失的根标签（若只是 XML 片段）：
xml_str = f"{xml_str} " - 用
html.fromstring()（来自 lxml.html）尝试解析——它比 XML 解析器更宽容，适合结构松散的内容
不复杂但容易忽略：多数 XMLSyntaxError 是输入没校验就直接喂给解析器。先用在线工具（如 https://www.xmlvalidation.com/）或命令行 xmllint --noout file.xml 快速验证，比在代码里反复试错高效得多。
