中文编码相关，python处理gbk编码的xml文件方法

中文编码相关，python处理gbk编码的xml文件方法‘

XML文件的编码：
W3C定义了三条XML解析器如何正确读取XML文件的编码的规则：
 1，如果文挡有BOM(字节顺序标记，一般来说，如果保存为unicode格式，则包含BOM，ANSI则无)，就定义了文件编码
 2，如果没有BOM，就查看XML声明的编码属性（就是文件开始的这一句：<?xml version="1.0" encoding="utf-8"?>）
 3，如果上述两个都没有，就假定XML文挡采用utf-8编码(BOM: byte order mark，utf-8文件的BOM为FF FE，用ultraedit打开看16进制的头两个字节即是)


有了这三条规则，那么，XML解析器首先尝试根据文件的BOM来解析文件；如果没有找到BOM，就继续尝试根据encoding属性指定的编码来解析文件；如果文件中没有encoding属性，则用utf-8编码来解析文档。（如果BOM和encoding都有的话，则以BOM为准）


gbk与gb2312
总体说来，GBK包括所有的汉字，包括简体和繁体，而gb2312则只包括简体汉字。
gb2312：全称是GB2312-80《信息交换用汉字编码字符集 基本集》，1980年发布，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。
gbk: 汉字国标扩展码，基本上采用了原来GB2312-80所有的汉字及码位，并涵盖了原Unicode中所有的汉字。


python ElementTree处理gbk（或者gb2312）编码的XML文件的方法：
1，py文件的编码是utf-8，即在文件最开始有如下语句声明编码方式：
#-*-coding: utf-8-*-

2，读取文件内容时转码为utf-8的：
xml_file_text = open(xml_file_name).read().decode('gbk').encode('utf-8')
这样在处理过程中均是utf-8编码的字符串

4，打开输出文件，将stdout重定向到这个文件：

ouput_xml_file = open(output_xml_file_name, 'w+')
sys.stdout = ouput_xml_file

3，在输出xml文件时转为gbk：

print output_line.encode('gbk')

这样输出的xml文件就是gbk编码的

附：将xml文件保存为gbk（gb2312）编码的方法：用ultraedit打开，按F12另存为，选择格式为“ANSI/ASCII”。