名称中包含unicode的标签，以及lxml

Question

假设我有一个在标记名称中使用Unicode的文档，例如<año>2012</año>。

当我使用lxml中的etree来解析这样的文档时，我没有问题，树正确构建。但是当（为了调试目的）我尝试打印一些元素时，我得到一个例外，关于尝试编码为ASCII的一些unicode char。

不是终端配置问题或文件编码错误，因为我可以毫无问题地打印包含相同unicode字符的节点（.tag）的名称。显然，问题是由Element对象的“字符串化”引起的，该对象假设标签名称远离普通的ascii。

以下代码显示了该问题（并且还显示它不是文件/终端/编码问题）。

# coding: utf-8
from lxml import etree
doc = """<?xml version="1.0" encoding="utf-8"?>
<año>2012</año>
"""
x = etree.fromstring(doc)   # No problem
print x.tag                 # No problem
print x                     # Exception

在具有正确定义的LC_CTYPE的终端中运行上述脚本，会产生以下输出：

año
Traceback (most recent call last):
  File "procesar.py", line 8, in <module>
    print x
UnicodeEncodeError: 'ascii' codec can't encode character u'\xf1' in position 10: ordinal not in range(128)

请注意print x.tag如何正确输出año。不应print x生成类似<Element año at b7d26eb4>的内容吗？

这是一个已知问题吗？有关变通方法的任何想法吗？

Answer 1

您必须在输出

之前将unicode字符串转换为字节字符串

尝试：

print unicode(x).encode('utf8')

引用unicode function：

对于提供__unicode __（）方法的对象，它将调用此方法而不使用参数来创建Unicode字符串。对于所有其他对象，请求8位字符串版本或表示，然后使用“严格”模式下的默认编码的编解码器将其转换为Unicode字符串。