处理含CDATA的XML字段映射

XML解析器默认将CDATA视为普通文本，仅minidom和lxml可保留其节点结构；需禁用自动合并并检查nodeType，生成时应使用etree.CDATA()而非手动拼接。

XML解析器默认会把CDATA当成普通文本处理

很多XML解析库（比如Python的xml.etree.ElementTree、Java的DocumentBuilder）在读取含的节点时，不会报错，但也不会特殊标记——它只是把CDATA块里的内容原样塞进text属性，和普通文本完全一样。这意味着你无法靠节点类型或标志位区分“这是CDATA还是普通转义文本”，除非自己手动扫描原始XML字符串。

用minidom或lxml才能保留CDATA节点结构

xml.etree.ElementTree不暴露CDATA节点，而minidom和lxml可以。关键在于：必须禁用自动文本合并，并显式检查node.nod

• minidom中，CDATA节是Node.CDATA_SECTION_NODE类型，其data属性即原始内容
• lxml中需用parser = etree.XMLParser(strip_cdata=False)，否则默认丢弃CDATA包装、只留内容
• 若用lxml.objectify，它根本无视CDATA——直接映射成字符串，别指望结构保留

from xml.dom import minidom
doc = minidom.parseString('Hello
]]>')
body = doc.getElementsByTagName('body')[0]
for child in body.childNodes:
    if child.nodeType == child.CDATA_SECTION_NODE:
        print('CDATA content:', repr(child.data))  # 输出: '
Hello
'

反序列化到对象时，CDATA内容通常不需要特殊处理

绝大多数XML-to-POJO/DTO映射框架（如Jackson XML、JAXB、xmltodict）根本不关心CDATA——它们只取最终文本值。所以只要你的字段类型是字符串，映射结果和普通文本一致。真正要注意的是：

• 如果CDATA里含非法XML字符（如未转义的&、），而你又用了不支持CDATA的解析器，会直接抛XMLSyntaxError
• 若业务逻辑依赖“此处本应是HTML片段”，得靠约定字段名（如htmlContent）或额外元数据，不能靠XML结构推断
• 生成XML时，不要手动拼接——用库的API（如lxml.etree.CDATA(...)）确保合法嵌套

用lxml.etree.CDATA安全生成含HTML的XML字段

手动拼字符串写CDATA极易出错：标签没闭合、嵌套CDATA非法、编码混乱。正确做法是让库处理。

from lxml import etree
root = etree.Element('item')
desc = etree.SubElement(root, 'description')
desc.text = etree.CDATA('Updated & live')
print(etree.tostring(root, encoding='unicode', pretty_print=True))
# 输出含标准CDATA包裹，且内部HTML不被二次转义

注意：etree.CDATA()返回的是一个特殊对象，不是字符串；赋给.text后，tostring()才会渲染为。直接str(CDATA(...))会失败。

最常被忽略的一点：CDATA只影响解析器对内容的**解析行为**，不影响语义。它不提供安全性，也不改变数据类型——存进数据库或传给前端前，该转义还得转义，该校验还得校验。