Question

我正在尝试在python中创建一个xml文档，但是我正在使用的一些字符串是用unicode编码的。有没有办法使用unicode字符串使用xml.dom.minidom创建文本节点？我可以使用另一个模块吗？

感谢。

Answer 1

理论上，按the docs：

中定义的DOMString 推荐被映射到Python 字符串或Unicode字符串。应用应该能够处理Unicode 每当从...返回一个字符串 DOM。

所以你可以使用Unicode字符串或Python字符串（utf-8是XML中的默认编码）。

实际上，在Python 2中，我有时会遇到xml.dom中的Unicode字符串问题（我几乎已经完全转移到了ElementTree，所以我不是正面的在最近的Python 2版本中问题仍然存在）。

如果你确实遇到直接使用Unicode字符串的问题，我想你会想要尝试编码的字符串，例如thedoc.createTextNode(u'pié'.encode('utf-8'))。

在Python 3中，当然str是Unicode，所以在这方面一切都不同; - ）。

Answer 2

dom对象似乎有一个编码参数，请参阅Python文档的20.7.1。阅读脚注;注意使用正确的编码字符串。

Answer 3

有没有办法使用unicode字符串使用xml.dom.minidom创建文本节点？

是的，createTextNode 始终采用Unicode字符串。 XML信息集的文本模型是Unicode，如您所见：

>>> doc= minidom.parseString('<a>b</a>')
>>> doc.documentElement.firstChild.data
u'b'

所以：

>>> doc.createTextNode(u'Hell\xF6') # OK
<DOM Text node "u'Hell\xf6'">

Minidom确实允许你在DOM中放入非Unicode字符串，但是如果你这样做并且它们包含非ASCII字符，你将在以后使用裁剪器：

>>> doc.documentElement.appendChild(doc.createTextNode('Hell\xF6')) # Wrong, not Unicode string
<DOM Text node "'Hell\xF6'">

>>> doc.toxml()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.6/xml/dom/minidom.py", line 45, in toxml
    return self.toprettyxml("", "", encoding)
  File "/usr/lib/python2.6/xml/dom/minidom.py", line 60, in toprettyxml
    return writer.getvalue()
  File "/usr/lib/python2.6/StringIO.py", line 270, in getvalue
    self.buf += ''.join(self.buflist)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xff in position 0: ordinal not in range(128)

这假设“以unicode编码”表示您使用的是Unicode字符串。如果你的意思是其他东西，比如你有UTF-8编码的字节字符串，你需要在将它们放入DOM之前将这些字节串转换为Unicode字符串：

>>> b= 'Hell\xc3\xb6'    # Hellö encoded in UTF-8 bytes
>>> u= b.decode('utf-8') # Proper Unicode string Hellö
>>> doc.documentElement.appendChild(doc.createTextNode(u))
>>> doc.toxml()
u'<?xml version="1.0" ?><a>bHell\xf6</a>' # correct!

Python xml.dom.minidom Unicode

3 个答案: