从文件中删除<feff> </feff>

Question

我正在使用this Python脚本将CSV转换为XML。转换后，我看到文本中的标签（vim），这会导致XML解析错误。

我已经尝试过here的答案，但没有成功。

转换后的XML file。

感谢您的帮助！

Answer 1

您的输入文件具有BOM（字节顺序标记）字符，并且当文件以utf8编码时，Python不会自动删除它们。请参阅：Reading Unicode file data with BOM chars in Python

>>> s = '\xef\xbb\xbfABC'
>>> s.decode('utf8')
u'\ufeffABC'
>>> s.decode('utf-8-sig')
u'ABC'

因此，针对您的具体情况，请尝试

from io import StringIO
s = StringIO(open(csvFile).read().decode('utf-8-sig'))
csvData = csv.reader(s)

非常糟糕的风格，但是这个剧本无论如何都是一个黑客攻击的剧本。

Answer 2

将utf-8更改为 utf-8-sig

import csv
with open('example.txt', 'r', encoding='utf-8-sig') as file:

Answer 3

以下是使用真正的XML感知库来运行类似转换的脚本示例。它没有完全相同的输出，但是，它是一个例子 - 盐味。

import csv
import lxml.etree

csvFile = 'myData.csv'
xmlFile = 'myData.xml'

reader = csv.reader(open(csvFile, 'r'))
with lxml.etree.xmlfile(xmlFile) as xf:
  xf.write_declaration(standalone=True)
  with xf.element('root'):
    for row in reader:
      row_el = lxml.etree.Element('row')
      for col in row:
        col_el = lxml.etree.SubElement(row_el, 'col')
        col_el.text = col
      xf.write(row_el)

要引用第2行第3列的内容，您可以使用类似/row[2]/col[3]/text()的XPath。