Python:解析 Windows-1251 编码的 XML

Question

当我尝试像这样使用 lxml 解析 XML 时:

tree = etree.parse('xml.xml')

我收到以下错误:

lxml.etree.XMLSyntaxError: Unsupported encoding windows-1251

如何使用这种编码从 XML 中读取数据？

谢谢

Answer 1

我认为您使用的是 Python 2.x 版本。

如果是这样，我相信你必须使用 codecs 模块的 open() 函数，并执行:

import codecs
with codecs.open(filename,'rb','cp1251') as f:
    content = f.read()
    tree = etree.parse(content)

我认为获取的内容已经从cp1251解码为Unicode；我不确定，我不擅长 Unicode 操作。

如果是这样，我想在读取之后，etree 必须能够解析 Unicode 中的字符串才能继续。但我对 etree 也有一点了解。

请注意，即使模式为 'r'，codecs.open() 也始终以二进制模式打开文件。

希望对你有帮助