Question

我正在使用utf-16函数解析用ElementTree.parse编码的xml文件。当文件包含一些格式不正确的字符（例如♀, ♂ .etc）时，程序会崩溃。并出现错误“xml.parsers.expat.ExpatError: not well-formed (invalid token)”。我怎么能避免这个错误并解决这个问题？我怎么能忽略这些形状不正确的角色呢？谢谢！下面是我的代码：

tree = ElementTree()
root = tree.parse(xml_file)

xml_file是以UTF-16格式编码的文件。该错误将指出格式不正确的字符的行号和列号。

Answer 1

由于xml.parsers.expat.ParserCreate仅支持四种编码，我会全部尝试。那些编码是： UTF-8，UTF-16，ISO-8859-1（Latin1）和ASCII。

您现在可以使用以下编码运行ElementTree.parse：

from xml.etree.ElementTree import ElementTree
from xml.parsers import expat
tree = ElementTree()
root = tree.parse(xml_file, parser=expat.ParserCreate('UTF-8') )
root = tree.parse(xml_file, parser=expat.ParserCreate('UTF-16') )
root = tree.parse(xml_file, parser=expat.ParserCreate('ISO-8859-1') )
root = tree.parse(xml_file, parser=expat.ParserCreate('ASCII') )

Answer 2

您需要建立两件事。

（a）是否有XML声明，它对编码有什么看法？

（b）用于表示这些字符的文件中的实际字节是什么？

如何在python中使用elementtree处理xml文件中格式不正确的字符

2 个答案: