Question

我正在使用xml.etree.ElementTree来解析和更改utf-8 xml文件。其中2个问题是因为文件是用Unix文件格式而不是Windows编写的。问题1很明显，行结尾是\n而不是\r\n。问题2是因为不同的文件格式（我假设），utf-8字符串的呈现方式不同。如何强制write()函数以Windows文件格式保存？我目前使用write()之类的：

    # -*- coding: utf-8 -*-
    import xml.etree.ElementTree as ET
    import sys

    altSpellingTree = ET.parse(sys.argv[2])
    altSpellingRoot = altSpellingTree.getroot()
    recordList = altSpellingRoot.findall("record") # Grab all <record> elements and iterate
    for record in recordList:
        # Check for the existence of an <alternative_spelling> element
        alt_spelling_node = record.find("person").find("names").find("alternative_spelling")
        if alt_spelling_node == None:
            continue
        else:
            # Check if <alternative_spelling> element text is solely ","
            if alt_spelling_node.text == ",":
                alt_spelling_node.text = None # Remove the lone comma
    altSpellingTree.write(sys.argv[2], encoding="utf-8", xml_declaration=True)

第三个问题是输出的文件使用自关闭标记，其中曾经有一个开头和结束标记（例如<Country></Country>变为<Country />）。有没有办法防止这种情况发生？

------- -------- EDIT
以下是在程序运行之前XML的两个示例：

    <Country></Country>
    <Category_Type></Category_Type>
    <Standard></Standard>

    <names>
      <first_name>Fernando</first_name>
      <last_name>ROMERO AVILA</last_name>
      <aliases>
        <alias xsi:nil="true" />
      </aliases>
      <low_quality_aliases>
        <alias xsi:nil="true" />
      </low_quality_aliases>
      <alternative_spelling>ROMERO ÁVILA,Fernando</alternative_spelling>
    </names>

程序运行后的2个样本相同。：

    <Country />
    <Category_Type />
    <Standard />

    <names>
      <first_name>Fernando</first_name>
      <last_name>ROMERO AVILA</last_name>
      <aliases>
        <alias xsi:nil="true" />
      </aliases>
      <low_quality_aliases>
        <alias xsi:nil="true" />
      </low_quality_aliases>
      <alternative_spelling>ROMERO ÃVILA,Fernando</alternative_spelling>
    </names>

Answer 1

如果有任何错误，我还没有测试过您的代码，但要避免自行关闭代码，请更改此代码：

altSpellingTree.write(sys.argv[2], encoding="utf-8", xml_declaration=True)

到

altSpellingTree.write(sys.argv[2], encoding="utf-8", xml_declaration=True, method="html")

应该这样做。

为了简化您的代码，您可以使用iter来搜索树像这样：

import xml.etree.ElementTree as ET

tree = ET.parse('your.xml')

for el in tree.iter('alternative_spelling'):
    # check your el text or whatever
    if el.text == u",":
        el.text = ""
    print el.text

xml.etree以意外的方式将xml写入文件

1 个答案: