python - 使用 python 在 XML 文件中编码表情符号

Question

我想将一个XML文件读入python，但是里面有很多表情符号，看来python有一个问题。我花了三天时间在谷歌上搜索这个问题，但找不到答案。

这是我的 XML 文件的一个片段:

<?xml version="1.0" encoding="UTF-8" standalone="yes" ?> 
<!-- File Created By Signal -->
<smses count="1">
<sms protocol="0" address="+49 0000 00000" date="1456340389816" type="2" subject="null" body="Party! &#55356;&#57225;" toa="null" sc_toa="null" service_center="null" read="1" status="-1" locked="0" />
</smses>

这就是我的代码的样子:

import xml.dom.minidom as dom

file = '/Users/...'
xmldoc = dom.parse(file)
itemlist = xmldoc.getElementsByTagName('sms')
print(len(itemlist))
for s in itemlist:
    print(s.attributes['body'].value)

它适用于没有表情符号的 XML 文件。但对于上面的示例，它在读取文件时已在第 4 行失败。因此，我在 Visual Studio 中打开 XML 文件，它告诉我 � 和 � (应该表示 🎉)是无效字符。当我用 🎉 替换这两个字符时，它是 🎉 的 HTML 实体(十进制)，XML 文件看起来没问题，但 python 仍然无法读取它。有谁知道如何运行这个脚本吗？

Answer 1

您需要将这些 � 和 � 更改为 Python 可以理解的格式。这些都是 Unicode 字符，这里是 XML unicode 解释的链接:https://www.w3.org/TR/unicode-xml/ 。对于 Python，这些字符将为 \u5536 和 \u57225。这是一篇关于 Unicode 和 Python 的文章:How to print Unicode character in Python? .