lxml处理xml时的字符编码问题
程序员文章站
2022-03-26 19:52:53
...
为了简化问题,就把xml的内容简化为如下的形式:
<?xml version="1.0" encoding="gbk"?> <DOCUMENT> <da><![CDATA[中文,就是任性]]></da> </DOCUMENT>
它的encoding为gbk,其中的节点有一个为中文字符 使用lxml提取节点的值时出现了如下的异常
lxml.etree.XMLSyntaxError: Extra content at the end of the document
此时对应的Python脚本为:
tst = u'<?xml version="1.0" encoding="gbk"?><DOCUMENT><da><![CDATA[中文,就是任性]]></da></DOCUMENT>' for event,element in etree.iterparse(BytesIO(tst.encode('utf-8'))): print("%s, %s" % (element.tag, element.text))
不过简化之前,报的是另外一个异常
lxml.etree.XMLSyntaxError: input conversion failed due to input error, bytes 0x8B 0x2C 0xE6 0x9D
不论异常是哪一个,猜测还是和字符的编码形式有关。
经过各种尝试无果,后来在stackoverflow上看到这篇文章,文中提到的问题和xml中的encoding值有关,尝试了增加了一段代码
tst = u'<?xml version="1.0" encoding="gbk"?><DOCUMENT><da><![CDATA[中文,就是任性]]></da></DOCUMENT>' tst = tst.replace('encoding="gbk"', 'encoding="utf-8"') for event,element in etree.iterparse(BytesIO(tst.encode('utf-8'))): print("%s, %s" % (element.tag, element.text))
增加了一个替换的语句,将之前的encoding="gbk"替换成encoding:"utf-8" 于是终于得到了结果:
da, 中文,就是任性 DOCUMENT, None
以上就是lxml处理xml时的字符编码问题的详细内容,更多请关注其它相关文章!
上一篇: XML简明教程(6)
下一篇: 在PHP5中使用DOM控制XML(1)
推荐阅读
-
HBase在处理中文字符串时的问题
-
c#字符串编码问题的处理解决
-
python用minidom创建xml文件时fileencoding设置与预期不符的问题处理(预期是utf8,结果设置为gbk了)
-
[转] 正确处理浏览器在下载文件时HTTP头的编码问题(Content-Disposition)
-
[转] 正确处理浏览器在下载文件时HTTP头的编码问题(Content-Disposition)
-
c#字符串编码问题的处理解决
-
正确处理浏览器在下载文件时HTTP头的编码问题(Content-Disposit
-
解析XML时遇见的编码问题,invalid token rssinvalid tokenjavaxml
-
关于net.sf.json在处理字符串时,丢失数据精度的问题
-
正确处理浏览器在下载文件时HTTP头的编码问题(Content-Disposit