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
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
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
相关问题 更多 >
编程相关推荐