Question

我有这段代码：

import requests
from xml.dom.minidom import parseString
site = 'test.com'
r = requests.get('http://bar-navig.yandex.ru/u?ver=2&url=http://%s&show=1' % (site))
#print r.text.encode('utf-8')
xmldoc = parseString(r.text.encode('utf-8'))
print xmldoc.getElementsByTagName('tcy')[0].attributes['value'].value

所以，它有效，但如果我在site，'vk.com'或'google.ru'，我有一个错误：xml.parsers.expat.ExpatError: not well-formed (invalid token)。

如何解决？感谢。

Answer 1

这是一个编码问题。除非另有说明，否则XML应该是基于ASCII的。特别是，此XML源指定它被编码为windows-1251。

试试这个：

parseString(r.text.encode('windows-1251'))

然后就可以解析了。

Minidom不是很聪明，否则当传递unicode（这不起作用）时它就能自行解决。

Answer 2

我尝试使用'utf-8＆＃39;的编码和＆＃39; utf-16＆＃39;除了iso-8859-1之外它没有用（对于一些印度站点，虽然我没有注意到它们上面有任何非ascii字符）。但我切换到Selenium并且全部解决了。避免使用minidom也不是那么困难，因为硒的界面与minidom非常相似。干杯！

Xml Python - 格式不正确

2 个答案: