Unicode:Python/lxml文件输出不符合预期（打印vs write）

Question

我正在使用以下代码分析xml文件：

import lxml

file_name = input('Enter the file name, including .xml extension: ')
print('Parsing ' + file_name)

from lxml import etree

parser = lxml.etree.XMLParser()


tree = lxml.etree.parse(file_name, parser)
root = tree.getroot()

nsmap = {'xmlns': 'urn:tva:metadata:2010'} 


with open(file_name+'.log', 'w', encoding='utf-8') as f:
    for info in root.xpath('//xmlns:ProgramInformation', namespaces=nsmap):
       crid = (info.get('programId'))
       titlex = (info.find('.//xmlns:Title', namespaces=nsmap))
       title = (titlex.text if titlex != None else 'Missing')
       synopsis1x = (info.find('.//xmlns:Synopsis[1]', namespaces=nsmap))             
       synopsis1 = (synopsis1x.text if synopsis1x != None else 'Missing')               
       synopsis1 = synopsis1.replace('\r','').replace('\n','')
       f.write('{}|{}|{}\n'.format(crid, title, synopsis1))    

以“přešitébydlení”为例。如果我在解析文件时打印标题，它会如预期的那样出现。当我写出来时，它显示为'Pï™比德伦。在

我知道这是用编码来完成的（因为我可以将print命令更改为使用UTF-8，并且“损坏”了输出），但是我无法按我的要求将写入的输出打印出来。我看了一下编解码器库，但没能成功。在XML解析器行中使用“encoding=”utf-8“没有任何区别。在

如何将写入的输出配置为可读？在

Answer 1

你的代码看起来不错，所以我认为你的输入是无效的。假设您使用UTF-8查看器或shell查看输出文件，那么我怀疑<?xml中的编码与实际编码不匹配。在

这就解释了为什么打印可以工作，但不能写入文件。如果您的shell/IDE设置为“ISO-8859-2”，并且您的输入XML也是“ISO-8859-2”，那么打印将推出原始编码。在

Answer 2

我以前有过很多麻烦。但解决办法相当简单。有一章介绍了如何用unicode读写documentation中的文件。这个Python talk对理解这个问题也很有启发性。Unicode可能很痛苦。不过，如果您开始使用python3，它会变得容易得多。在

import codecs
f = codecs.open('test', encoding='utf-8', mode='w+')
f.write(u'\u4500 blah blah blah\n')
f.seek(0)
print repr(f.readline()[:1])
f.close()