去掉lxml中的编码

Question

我正在尝试用lxml和Python打印一个XML文件。

这是我的代码：

>>> from lxml import etree
>>> root = etree.Element('root')
>>> child = etree.SubElement(root, 'child')
>>> print etree.tostring(root, pretty_print = True, xml_declaration = True, encoding = None)

输出结果：

<?xml version='1.0' encoding='ASCII'?>
<root>
  <child/>
</root>

如你所见，我在代码里设置了 encoding = None，但最终输出中仍然显示 encoding = 'ASCII'。我想这也是正常的。如果我不加 encoding 标签，输出依然是ASCII。

有没有办法让我只得到XML版本标签，而不显示编码部分？我希望输出结果是这样的：

<?xml version='1.0'>

Answer 1

只要lxml.etree输出的是有效的XML，具体输出什么其实并不重要。如果你真的想要的话，可以把字符串拼接在一起：

'<?xml version="1.0"?>\n' + etree.tostring(root, pretty_print = True, encoding = 'ASCII')

不太清楚你为什么想要去掉它，因为最终XML需要知道它使用的字符集，这样才能理解内容。XML 1.0规范中提到了一种猜测字符集的方法，并且似乎鼓励使用编码声明：

如果没有[外部信息]，那么如果一个实体既没有字节顺序标记（Byte Order Mark）也没有编码声明，而使用了UTF-8以外的编码，这将是一个致命错误。

...

除非通过更高层的协议确定编码，否则如果一个XML实体没有编码声明，并且其内容不是合法的UTF-8或UTF-16，这也是一个致命错误。