强制编码不良XML文件与ElementTree

Question

一大堆XML文件的编码设置错了。应该是utf-8，但里面却到处都是latin-1的字符。处理这些内容的最佳方法是什么呢？

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

补充说明：这个问题出现在Adobe InDesign的IDML文件中，似乎“内容”部分的文本是latin-1编码，而其他部分可能是utf-8。我打算先用utf-8正常解析，然后把“内容”部分的Unicode文本重新编码成utf-8，再用latin-1重新解析。真是一团糟。

Answer 1

在解析文件的时候，不要试着去解决编码问题，而是先处理一下那些有问题的文件。

Answer 2

你可以在解析XML时覆盖其中指定的编码方式：

class xml.etree.ElementTree.XMLParser(html=0, target=None, encoding=None)

Element 是用于构建XML源数据的结构，基于expat解析器。HTML中有一些预定义的实体。当前的实现不支持这个标志。target 是目标对象。如果不指定，构建器会使用标准的TreeBuilder类的一个实例。编码 1 是可选的。如果提供了这个值，它会覆盖XML文件中指定的编码。

文档