Python的etree.tostring编码问题

Question

我正在使用Python 2.6.2中的xml.etree.cElementTree来创建一个XML文档：

import xml.etree.cElementTree as etree
elem = etree.Element('tag')
elem.text = (u"Würth Elektronik Midcom").encode('utf-8')
xml = etree.tostring(elem,encoding='UTF-8')

最后生成的XML看起来是这样的：

<?xml version='1.0' encoding='UTF-8'?>
<tag>W&#195;&#188;rth Elektronik Midcom</tag>

看起来tostring函数忽略了编码参数，把'ü'编码成了其他字符编码（'ü'是有效的utf-8编码，我很确定）。

如果有人能告诉我我哪里做错了，我将非常感激。

Answer 1

etree.tostring(elem, encoding=str)

在Python 3中，这个函数会返回一个str类型的字符串，而不是binary类型的。

你还可以通过传入unicode函数作为编码（在Python 3中用str），或者直接使用名称'unicode'，来将内容序列化为一个Unicode字符串，而不需要特别声明。这会把返回值从字节字符串变成一个未编码的Unicode字符串。

Answer 2

你把文本编码了两次。试试这个：

import xml.etree.cElementTree as etree
elem = etree.Element('tag')
elem.text = u"Würth Elektronik Midcom"
xml = etree.tostring(elem, encoding='UTF-8')