怎样优雅解决 python 解析 xml gb2312 编码的问题？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 3517 天前的主题，其中的信息可能已经有所发展或是发生改变。

用Python解析编码为gb2312的xml，
<?xml version="1.0" encoding="gb2312" ?>
<node>...</node>
会报错：
ValueError: multi-byte encodings are not supported
试过ElementTree和minidom，都是如此。

最后采用了先解码再编码为utf8：
dstr = dstr.decode('gb2312').encode('utf-8'),
然后再字符串替换
dstr = dstr.replace('gb2312', 'utf-8')
才可以解析xml。很不优雅！

有什么好的解决方案？

GB2312

xml

编码

10 条回复 • 2014-10-01 19:07:18 +08:00

icedx

2014-09-30 12:48:46 +08:00

sudo apt-get install build-essential
sudo apt-get install libsqlite3-dev
sudo apt-get install sqlite3 # for the command-line client
sudo apt-get install bzip2 libbz2-dev
wget http://www.python.org/ftp/python/3.3.5/Python-3.3.5.tar.xz
tar xJf ./Python-3.3.5.tar.xz
cd ./Python-3.3.5
./configure --prefix=/opt/python3.3
make && sudo make install
mkdir ~/bin
ln -s /opt/python3.3/bin/python3.3 ~/bin/py
echo 'alias py="/opt/python3.3/bin/python3.3"' >> .bashrc

ZavierXu

2014-09-30 13:04:02 +08:00

@icedx Python3已经解决了中文字符编码问题了么? 冲着这个我也要升级到python3啊...

Tink

2014-09-30 13:22:49 +08:00

Python3 +1
先decode再encode的方法实在是悲摧

pi1ot

2014-09-30 13:31:41 +08:00

优雅的定义是什么

fxbird

2014-09-30 14:17:37 +08:00

xml本来就应该统一成utf-8的编码，用gb也太不专业了吧

wangleineo

2014-09-30 14:28:20 +08:00

@pi1ot 优雅就是不粗暴
@fxbird 和历史遗迹打交道没办法

fghzpqm

2014-09-30 15:18:33 +08:00

所有 Python 问题都可以用 «换 Python 3» 解决？

$ ipython
Python 3.4.1 (default, Aug 20 2014, 12:12:32)
Type "copyright", "credits" or "license" for more information.

In [1]: import xml.etree.ElementTree as ET

In [2]: ET.parse('test.xml')
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-2-df5d74dfe4aa> in <module>()
----> 1 ET.parse('test.xml')

/Users/fghzpqm/.pyenv/versions/3.4.1/lib/python3.4/xml/etree/ElementTree.py in parse(source, parser)
1185 """
1186 tree = ElementTree()
-> 1187 tree.parse(source, parser)
1188 return tree
1189

/Users/fghzpqm/.pyenv/versions/3.4.1/lib/python3.4/xml/etree/ElementTree.py in parse(self, source, parser)
596 # It can be used to parse the whole source without feeding
597 # it with chunks.
--> 598 self._root = parser._parse_whole(source)
599 return self._root
600 while True:

ValueError: multi-byte encodings are not supported

fghzpqm

2014-09-30 15:30:42 +08:00

@wangleineo 请用 lxml。

https://gist.github.com/mrluanma/c21821eabb5c29a889fc

icedx

2014-09-30 23:09:34 +08:00 via Android

@ZavierXu 大部分奇葩问题Py3都解决的很好

ZavierXu

2014-10-01 19:07:18 +08:00

@icedx NICE, 现在的Python3是越来越有用的理由了, 把手头Python27的项目做完之后, 以后都常使用3了