从文件中移除<feff>

Question

我正在使用这个 Python脚本把CSV文件转换成XML格式。转换后，我在文本中看到了一些标签（在vim编辑器中），这导致了XML解析错误。

我已经尝试了这里的答案，但没有成功。

这是转换后的XML文件。

谢谢大家的帮助！

Answer 1

这里有一个脚本的例子，它使用了一个真正能处理XML的库来进行类似的转换。虽然输出结果不完全一样，但这只是一个例子，具体效果可以根据需要调整。

import csv
import lxml.etree

csvFile = 'myData.csv'
xmlFile = 'myData.xml'

reader = csv.reader(open(csvFile, 'r'))
with lxml.etree.xmlfile(xmlFile) as xf:
  xf.write_declaration(standalone=True)
  with xf.element('root'):
    for row in reader:
      row_el = lxml.etree.Element('row')
      for col in row:
        col_el = lxml.etree.SubElement(row_el, 'col')
        col_el.text = col
      xf.write(row_el)

如果你想获取，比如说，第2行第3列的内容，你可以用XPath这样的方式来表示：/row[2]/col[3]/text()。

Answer 2

将 utf-8 改成 utf-8-sig

import csv
with open('example.txt', 'r', encoding='utf-8-sig') as file:

Answer 3

你的输入文件里有BOM（字节顺序标记）字符，而Python在文件编码为utf8时不会自动去掉这些字符。你可以查看这个链接了解更多信息：在Python中读取带BOM字符的Unicode文件数据

>>> s = '\xef\xbb\xbfABC'
>>> s.decode('utf8')
u'\ufeffABC'
>>> s.decode('utf-8-sig')
u'ABC'

所以针对你的具体情况，可以试试下面这样的做法

from io import StringIO
s = StringIO(open(csvFile).read().decode('utf-8-sig'))
csvData = csv.reader(s)

虽然这个写法很糟糕，但这个脚本本来就是为了临时使用而匆忙写的。