如何在Python BeautifulSoup中找到带有特殊字符的XML标签

Question

我正在使用Python的BeautifulSoup库，版本是3。我的XML文件大概长这样（这是从docx格式来的）：-

<w:r w:rsidRPr="00541D75">
<w:rPr>
<w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:cs="Times New Roman"/>
<w:b/>
<w:color w:val="1F497D" w:themeColor="text2"/>
<w:sz w:val="24"/>
<w:szCs w:val="24"/>
</w:rPr>
<w:t>Mandatory / Optional</w:t>
</w:r>
</w:p>
</w:tc>
</w:tr>

我想从'w:t'这个标签中提取内容，所以我做了以下操作：-

print soup.findAll('w:t')

这是我收到的错误信息：-

print soup.findAll('w:t')
UnicodeEncodeError: 'ascii' codec can't encode character u'\u201c' in position 43: ordinal not in range(128)

Answer 1

这个漂亮的对象必须这样定义：

BeautifulSoup(markup, "lxml-xml") 

或者

BeautifulSoup(markup, "xml")

就像在文档中说明的那样。