lxml 本身不支持直接容错解析损坏 XML，但可通过预处理组合实现尽力解析：用 BeautifulSoup 预清理修复结构、lxml 的 recover=True 模式跳过错误、正则清洗已知问题，或用 xmltodict 回退为轻量解析。

lxml 本身不支持直接容错解析损坏或不规范的 XML（比如缺失闭合标签、未转义的 &、编码声明错误、嵌套混乱等），但可以通过预处理 + 容错解析器组合实现“尽力而为”的解析。

用 BeautifulSoup 预清理，再交给 lxml 解析

BeautifulSoup（配合 html.parser 或 lxml 的 HTML 解析器）天生擅长修复破碎标记。它能把类 XML 的脏数据转成结构相对良好的树，之后可导出为标准 XML 字符串，再由 lxml 安全加载。

• 安装依赖：pip install beautifulsoup4 lxml
• 示例：修复常见错误（如 & 未转义、自闭合标签缺失斜杠、标签未闭合）

from bs4 import BeautifulSoup
from lxml import etree
损坏的 XML 片段（含非法 &、未闭合标签）
broken_xml = '''price: 10&20good'''
用 BeautifulSoup 当 HTML 解析（自动修复）
soup = BeautifulSoup(broken_xml, 'html.parser')
转回格式化 XML 字符串（注意：需手动补 xml 声明，若需要）
clean_xml = str(soup).replace('<', '<').replace('>', '>')  # 可选：还原原始尖括号转义
更稳妥做法：用 soup.encode(formatter=None) 并解码为字符串
lxml 解析修复后的 XML
root = etree.fromstring(clean_xml.encode('utf-8'))
print(root.xpath('//item/text()'))  # ['price: 10&20']

用 lxml 的 recover=True + 自定义 error handler

lxml 的 etree.XMLParser 支持 recover=True，可在遇到严重错误时跳过非法部分、继续解析剩余内容（类似浏览器解析 HTML）。它不是万能修复，但对标签错位、小范围语法错误有效。

• 仅适用于 well-formedness 错误（如闭合缺失），不处理编码问题或实体错误
• 建议搭配自定义 ErrorHandler 捕获警告，便于定位问题位置

from lxml import etree
parser = etree.XMLParser(recover=True)
tree = etree.parse('broken.xml', parser)  # 不抛异常，内部静默跳过错误节点
root = tree.getroot()
查看解析是否丢失内容（对比原始行数/标签数）
print(len(root))  # 可能比预期少，说明部分被丢弃

先用正则/字符串清洗，再解析

对已知固定模式的损坏（如重复声明、BOM 头、多余空格、& 替换），手动预处理成本低、效果稳。

• 移除 UTF-8 BOM：text.lstrip('\ufeff')
• 修复孤立 &：用正则替换 r'&(?!(amp|lt|gt|quot|#\d+);)' → '&'
• 补全自闭合标签（如
→
），仅在确定语义时使用
• 删除重复的 声明（保留第一个）

用 xmltodict + json 回退解析（轻量替代）

若只需读取数据、不依赖 XPath 或命名空间，xmltodict 对不规范 XML 更宽容（底层用 expat，部分错误会忽略）。

• 安装：pip install xmltodict
• 它把 XML 转成 Python dict，天然忽略某些格式细节（如属性顺序、空白）
• 适合配置文件、API 返回体等结构简单场景

import xmltodict
broken = 'AliceBob'
try:
data = xmltodict.parse(broken)
print(data['data']['user'])  # [{'@id': '1', '#text': 'Alice'}, 'Bob']
except Exception as e:
print("still failed:", e)