水仁博客

上善若水,仁恕载物
随笔 - 11, 文章 - 0, 评论 - 4, 引用 - 0
数据加载中……

[专业]Python读gbk编码的xml问题-0806072220


Python读xml时,如果编码不是utf-8或utf-16,就出错,如下:


...

解析这个xml文件代码如下:
from xml.dom import minidom
f = minidom.parse('f:\\temp\\protocol.xml')
print f.toxml()

出现这个错误:
xml.parsers.expat.ExpatError: unknown encoding:


解决办法:

由于xml协会规定,所有xml解析器均需要支持utf-8和utf-16两种编码而不要求别的编码,所以我估计python提供的xml处理模块就是不支持gb2312的。而windows下的文件,大部分均为gb2312编码的,因此处理的时候,就会带来不方便的地方。

解1:利用UltraEdit等工具,将xml文件转换成UTF-8的,然后encoding="utf-8"即可
转换工具如果没有,用python可以简单写一个,比如
(以下代码转自 http://tenyears.cn/?cat=6 )
----------
# -*- coding: mbcs -*-
import codecs
f = codecs.open(‘D:\\normal.txt’, ‘rb’, ‘mbcs’)
text = f.read().encode(‘utf-8′)
f.close
f = open(‘d:\\utf8.txt’, ‘wb’)
f.write(text)
f.close()
print text.decode(‘utf-8′).encode(‘gb2312′)
-----------------

解2:xml文件里面不要写入encoding,保持为gb2312本地编码,然后程序解析的时候,采用语句
unicode(file('f:\\temp\\a.txt', 'r', 'gb2312').read(),'gb2312').encode('utf-8')
将整个文件转成utf-8的 String 来处理,处理结束后,利用
unicode(string,'utf-8').encode('gb2312')
换成本地的gb码,再将结果写回文件。

另外,python2.4的普通函数处理字符串的时候,好像已经支持各种编码了。


posted on 2008-06-07 22:22 水仁圭 阅读(3153) 评论(0)  编辑  收藏


只有注册用户登录后才能发表评论。


网站导航: