Question

我有一个带有俄文文本的XML文件：

<p>все чашки имеют стандартный посадочный диаметр - 22,2 мм</p>

我使用xml.etree.ElementTree以各种方式操作它（没有触及文本内容）。然后，我使用ElementTree.tostring：

info["table"] = ET.tostring(table, encoding="utf8") #table is an Element

然后我用这个字符串做一些其他的东西，最后把它写到一个文件

f = open(newname, "w")
output = page_template.format(**info)
f.write(output)
f.close()

我在我的文件中结束了这个：

<p>\xd0\xb2\xd1\x81\xd0\xb5 \xd1\x87\xd0\xb0\xd1\x88\xd0\xba\xd0\xb8 \xd0\xb8\xd0\xbc\xd0\xb5\xd1\x8e\xd1\x82 \xd1\x81\xd1\x82\xd0\xb0\xd0\xbd\xd0\xb4\xd0\xb0\xd1\x80\xd1\x82\xd0\xbd\xd1\x8b\xd0\xb9 \xd0\xbf\xd0\xbe\xd1\x81\xd0\xb0\xd0\xb4\xd0\xbe\xd1\x87\xd0\xbd\xd1\x8b\xd0\xb9 \xd0\xb4\xd0\xb8\xd0\xb0\xd0\xbc\xd0\xb5\xd1\x82\xd1\x80 - 22,2 \xd0\xbc\xd0\xbc</p>

如何正确编码？

Answer 1

您使用

 info["table"] = ET.tostring(table, encoding="utf8")

返回bytes。然后你将它应用于一个格式字符串，这是一个str（unicode），如果这样做，你最终会得到一个bytes对象的表示。

etree可以返回一个unicode对象，如果您使用：

 info["table"] = ET.tostring(table, encoding="unicode")

Answer 2

问题是ElementTree.tostring返回二进制对象而不是实际字符串。答案是：

info["table"] = ET.tostring(table, encoding="utf8").decode("utf8")

Answer 3

试试这个 - 输出参数只是没有utf-8编码的俄语字符串。

import codecs
#output=u'все чашки имеют стандартный посадочный диаметр'
with codecs.open(newname, "w", "utf-16") as stream: #or utf-8
    stream.write(output + u"\n")

如何正确编码？

3 个答案: