xml解析（GBK）

来源：互联网发布：算法里的mod是切莫意思编辑：程序博客网时间：2024/05/16 05:19

http://blog.sina.com.cn/s/blog_6d7e5bc301011mvv.html

在python中遇到编码问题是一个非常痛苦的问题。今天修改了一个这样的问题。
文件 test.xml内容如下
<?xml version=”1.0″ encoding=”gbk”?>
<toplist>
…………….
</toplist>

要用python解析一下文件的内容。

采用minidom解析，xmldoc = minidoc.parse(file_name);
会出现这个错误
xml.parsers.expat.ExpatError: unknown encoding: line 1, column 30
经过查找肯定会发现是minidom不支持gbk编码，那么文件是gbk编码的，肯定是错误的，所以将文件转码为utf-8
（命令 iconv -f gbk -t utf-8 filename -o filename_new）
现在对新的utf-8编码的文件进行解析操作，依旧是报错，这是为什么呢？
原因是<?xml version=”1.0″ encoding=”gbk”?>这个句子在做过，minidom在底层对这个语句进行了识别，也就是不仅仅文件要变成utf-8编码的，而且这里也要变成<?xml version=”1.0″ encoding=”utf-8″?>。再试验一次，全部ok了

给段操作代码
file_name = "E:\\python\\data.xml"
file_xml = open(file_name,"r").read()
file_xml = file_xml.replace('<?xml version="1.0" encoding="gbk"?>','<?xml version="1.0" encoding="utf-8"?>')
file_xml = unicode(file_xml,encoding='gbk').encode('utf-8')
xmldoc = minidoc.parseString(file_xml)

PS：顺便说一句，win7平台下vs2010打开test.xml文件，选择高级保存，然后将编码形式从gb2312换成utf8，会自动将头部的gbk改成utf-8。