应使用lxml库并显式声明目标元素为CDATA类型，因其能可靠获取未转义原始内容；标准ElementTree忽略CDATA结构，正则仅适用于简单稳定场景，minidom和BeautifulSoup均无法满足原始内容提取需求。

Python解析XML时CDATA内容被忽略或转义了怎么办

标准xml.etree.ElementTree默认把CDATA当作普通文本处理，不会保留结构，更不会阻止实体转义（比如变成）。这不是bug，是设计使然——它只关心XML信息集，不保留标记语法细节。真要提取原始CDATA内容，得换思路。

用lxml配合parser.set_cdata_section_elements()

lxml是唯一在主流XML库中支持显式CDATA感知的方案。关键不是“读取CDATA标签”，而是告诉解析器：哪些元素的内容应被当作CDATA处理（即跳过实体解码、保留原始字符）。

• 必须提前知道哪些元素可能含CDATA（比如description、script），无法全自动识别
• 需使用lxml.etree.XMLParser，而非etree.parse()默认解析器
• 设置后，这些元素的.text属性会返回未转义的原始字符串

from lxml import etree
parser = etree.XMLParser()
告诉解析器：所有  和 
 元素的内容按CDATA处理
parser.set_cdata_section_elements(['content', 'code'])
立即学习“Python免费学习笔记（深入）”；
xml_str = '''Hello & world

							

								
								

									ARC Lab
									
腾讯旗下ARC实验室推出的AI人像修复、抠图和增强工具
								
								下载 
							
						
]]>'''
root = etree.fromstring(xml_str, parser)
print(root.find('content').text)  # 输出：
Hello & world
（未转义，原样保留）

ElementTree里手动提取CDATA字符串（不推荐但有时可行）

如果只能用标准库，且XML格式固定、CDATA位置明确，可退而求其次：用正则从原始XML字符串中提取内容。这绕过了XML解析，风险高，但对简单场景够用。

• 仅适用于XML结构稳定、无嵌套CDATA、且你控制输入源的情况
• 正则r''会捕获最内层内容，注意re.DOTALL标志
• 无法处理CDATA跨行、或内容含]]>的情况（XML本身禁止这样写，但坏数据可能有）

import re
xml_raw = '''Line2]]>'''
match = re.search(r'', xml_raw, re.DOTALL)
if match:
cdata_content = match.group(1)  # 'Line1
Line2'

为什么不用minidom或BeautifulSoup

xml.dom.minidom虽能访问CDATASection节点，但其.data属性仍会做基础转义（如&→&），且API笨重；BeautifulSoup根本不是XML解析器，对CDATA无特殊处理，会直接丢弃标签或当普通文本。两者都不解决“获取未转义原始内容”这个核心诉求。

真正要可靠处理CDATA，lxml + 显式声明目标元素是目前最轻量也最可控的方式。别指望自动发现CDATA——XML标准本身不要求解析器暴露这种语法细节，所有方案都依赖你提前知道哪些字段该被当CDATA对待。