Question

好的，我现在感觉有点失落。我有unicode（或utf-8？）

的问题

我在linux上使用Python3.3（但我在Windows上遇到同样的问题）。

我尝试使用Elementtree创建XML文件。

    item = ET.Element("item")
    item_title = Et.SubElement(item, "title")

这当然不是一切，只是一个例子。所以现在我希望标签'title'有这样的文本（用随机内容替换## Content ##，并不重要）：

    # Thats how I create the text for the tag
    item.title.text = u'<![CDATA[##CONTENT##]>'

    # This is how I want it to look like
    <title><![CDATA[##CONTENT##]></title>

    # Thats what I get
    <title>&lt;![CDATA[##CONTENT##]&gt;</title>

    # These are some of the things I tried for writing it to an xml file
    ET.ElementTree(item).write(myOutputFile, encoding="unicode")
    myOutputFile.write(ET.tostring(item, encoding='unicode', method='xml')))
    myOutputFile.write(str(ET.tostring(item, encoding='utf-8', method='xml'))) 
    myOutputFile.write(str(ET.tostring(item)

    # Oh and thats how I open the file for writing
    myOutputFile = codecs.open(HereIsMyFile, 'w', encoding='utf-8')

我试图搜索并发现了一些类似的声音问题（我试过的一些东西已经来自SO），但似乎都没有。他们改变了输出中的一些东西，但从未显示过＆lt;或者＆gt;。我也注意到，如果我使用utf-8，我必须在写入文件时使用str（）。这让我对unicode和utf-8的区别感到困惑，我试着读一些关于那个的东西，但这对我的实际问题并没有真正的帮助。

此时我真的不知道在哪里寻找我的错误，我想知道在哪里寻找。这是我写入文件的方式吗？我怎么打开它？或者是Elementtree导致错误？（我没有尝试过别的东西，比如lxml，因为好吧，这意味着重写很多东西我猜）。

我希望你能帮助我，如果事情不明确，我会尝试更好地解释一下！

编辑：哦，我也尝试在没有编解码器的情况下打开文件，因为我在Python3.x中不再需要读取它，但我不再那么确定了，所以我试了一下。

Answer 1

使用ElementTree编写XML文档的正确方法是：

with codecs.open（HereIsMyFile，'w'，encoding ='utf-8'）： root.write（myOutputFile）
如果您为write()指定编码，则必须使用what the XML standard defines。 unicode不是编码，而是标准。
ElementTree不支持CDATA。你看到的效果是ElementTree注意到节点text中的特殊字符，它会逃脱它们;没有办法阻止它。

此答案包含CDATA元素的实现：How to output CDATA using ElementTree

Answer 2

这里似乎有几层混乱。

首先采用较低级别：UTF-8等编码将 Unicode字符转换为字节。您的问题是生成的XML中的字符不是您想要的字符，而不是这些字符如何存储为字节，因此没有任何东西可以修复。

其次，你似乎在期待这一行的错误：

item.title.text = u'<![CDATA[##CONTENT##]>'

这告诉ElementTree您希望在解析的文档中使用该文本。考虑一下：

item.title.text = u'I <3 ASCII art.'

ElementTree不会将其直接存储在标记中：它会将其转换为

<title>I &lt;3 ASCII art.</title>

同样地：

item.title.text = u"This </title> isn’t the end of the title"

变为

<title>This &lt;/title&gt; isn&#8217;t the end of the title</title>

希望你能看到这个的价值：无论你在那里放什么文字，它都不会破坏元素标记，或者确实以任何方式影响它。

请注意，由于此自动转换，您很可能根本不需要CDATA部分。

但是，如果出于某种原因，你可以通过明确说明它来使用它（使用lxml.etree）：

title = lxml.etree.Element('title')
title.text = lxml.etree.CDATA('###CONTENT###')
print(lxml.etree.tostring(title))

输出：

<title><![CDATA[###CONTENT###]]></title>

Elementtree和Unicode或UTF-8混淆

2 个答案: