Question

因此，一旦我弄明白究竟发生了什么，这个问题基本上就是第一个问题。我读了很多关于编码解码和XML标准的内容，但我没有找到这个特定主题的答案。

import elementtree.ElementTree as ET

root = ET.Element("Prüfung")
main = ET.SubElement(root,'Test')
main.text='\xe4 '+'ä'.decode('UTF-8')
tree=ET.ElementTree(root)
tree.write('testout.xml')

我的第一个问题是main.text='\xe4 '+'ä'.decode('UTF-8')行。我明白，\ xe4是字母ä的代码，所以这是否意味着，我必须将传递给我的解释器的每个字符串解码为utf-8才能正常工作？因为当我使用python的readline方法从.txt文件中读取特殊字符时，它们似乎已经正确解码。

一个相关但略有不同的问题是第root = ET.Element("Prüfung")行。似乎不可能在XML标签中使用非ASCII字符（至少不能使用元素树）。这是因为XML标准还是基本上只是另一种解码/编码问题？

Answer 1

您可以在元素名称（和元素内容）中包含非ASCII字符。使用Unicode字符串，它应该工作。

在http://effbot.org/zone/element.htm#the-element-type，它说：

所有元素必须具有标记，但所有其他属性都是可选的。所有字符串可以是Unicode字符串，也可以是仅包含US-ASCII的8位字符串。

演示程序（使用Python 2.7测试）：

# coding: utf-8

import xml.etree.ElementTree as ET

root = ET.Element(u'Prüfung') 
main = ET.SubElement(root, 'Test')
main.text = u'\xe4 ' + u'ä'
tree = ET.ElementTree(root)
tree.write('testout.xml', encoding="utf-8")    # The default encoding is us-ascii

输出（在testout.xml中）：

<Prüfung><Test>ä ä</Test></Prüfung>

上述程序在Python 3.3+中也没有改变。前导u个字符是冗余的，但允许（{3}} u'unicode'语法为{3.3}中str个对象的{{1}}语法。

在XML标签/文本中使用特殊字符

1 个答案: