[Tips] XML 에서 예약/특수 문자 처리

1. XLM 예약 문자 - "Parser Error : not well-formed"

요즘 Python 사용해서 XML 을 처리하다가 닭질(?) 내용을 정리합니다. ElementTree 로 XML 파일을 문제 없이 잘 사용하고 있다가 파이썬 코드는 변경이 없음에도 불구하고 갑자기 XML Parser에서 "Parser Error : not well-formed" 이 발생하는 경우가 있다. 에러 발생 원인은 XML 파일에 예약 문제가 포함되어 있기 때문으로 아래와 같이 문자열 변환 과정을 거쳐야 한다.

XML Parser error : not well-formed (invalided token)

#Xml 로딩하는 코드  

import xml.etree.ElementTree as ET
from xml.etree.ElementTree import ElementTree, Element, SubElement, dump

xmltree=ET.parse(xml_file_name)
xmlroot = xmltree.getroot()
    
#실행 결과
xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 122, column 43

# xml file - (에러 발생)
<test xml_item="test&xyz" />

# xml file - (수정된 버전:& 대신 &amp; 로 치환)
<tes xml_item="test&amp;xyz" />

XML 에서 well-formed 텍스트 아래와 같이 정의할 수 있다. 아래 4) 번째 조건이 맞지 않아서 Parse Error가 발생한 것이다.

1) 문서는 적절히 인코딩된 올바른(legal) 유니코드 문자만을 포함한다.
2) <나 & 같은 특수 문법 문자 중 어떤 것도, 원래의 마크업 경계 식별 목적 이외의 목적으로 나타나지 않는다.
3) 엘리먼트의 한계를 정하는 시작 태그, 끝 태그, 빈 엘리먼트 태그들은 모두 올바르게, 빠지거나 중복됨이 없이, 겹쳐진다(nested).
3) 엘리먼트의 태그는 대소문자를 구분한다; the beginning and end tags must match exactly.
4) 태그 이름은 다음 문자를 포함할 수 없다 !"#$%&'()*+,/;<=>?@[\]^`{|}~. 또 공백 문자도 포함할 수 없으며, -, ., 또는 숫자로 시작할 수 없다.
5) 하나의 "루트root" 엘리먼트가 다른 모든 엘리먼트를 포함한다.
※ 출처: https://ko.wikipedia.org/wiki/XML

예약 문자 리스트 (출처:https://ilovehsk.tistory.com/80)

예약/특수문자	문자열 치환	예약/특수 문자	문자열 치환
<	<	≤	< or =
>	>	≥	> or =
&	&	±	+/-
α	alpha	˚	degrees
β	beta	℃	degrees C
γ	gamma	→	-->
δ,Δ	delta	㎍, μG	microgram
ε	epsilon	㎕, μL	microliter
ζ	zeta	㎛, μM	micrometer
η	eta	®	(R)
θ	theta	™	(TM)
ι	iota	χ2	chi─square
κ	kappa	K+	K+
λ	lambda	Cl-	Cl-
μ	micron	Mg2+	Mg2+
ν	nu	CO2	CO2
ξ	xi	H2O	H2O
ο	omicron	102	10(2)
π	pi	10월 02일	10(-2)
ρ	rho	height2.239	height(2.239)
σ, Σ	sigma
τ	tau
υ	upsilon
φ	phi
χ	chi
ψ	psi
ω, Ω	omega