Python：解析Windows-1251编码的XML

Question

当我尝试用lxml来解析XML时，像这样：

tree = etree.parse('xml.xml')

我遇到了以下错误：

lxml.etree.XMLSyntaxError: Unsupported encoding windows-1251

我该如何读取这种编码的XML数据呢？

谢谢

Answer 1

我觉得你可能在用Python 2.x版本。

如果是这样的话，你需要使用codecs模块里的open()函数，然后这样做：

import codecs
with codecs.open(filename,'rb','cp1251') as f:
    content = f.read()
    tree = etree.parse(content)

我认为你得到的内容是从cp1251编码转换成了Unicode；不过我不太确定，因为我对Unicode的处理不太熟练。

如果真是这样的话，我想在读取之后，etree应该能够解析Unicode字符串，继续进行操作。不过我对etree也了解得不多。

需要注意的是，即使模式是'r'，codecs.open()打开文件时总是以二进制模式进行。

希望这能帮到你。