Python无法读取损坏的XML

Question

我有一堆已损坏的XML文件。其中仍然是一些未破坏的数据。这是我正在谈论的图片：

我想用python迭代每个文件并获取未损坏的数据，但是当我用python打开文件时：

i2 = open(x + '/' + i, 'r')

它会打开文件，但是当我尝试阅读它时，它会回复给我说只有这个文件是从文件中读取的：

'\xa8\x9f\xb0\xdb\x17\xa1\t&}4U\xccsr\xcfN\x7fS\xa1C\xb5\xa4\xd6a\x84i'

我尝试了一些不同的编码，但它一直会出现错误：

i2 = open(x + '/' + i, 'r', encoding='utf8')
i2 = open(x + '/' + i, 'r', encoding='ANSI')

如果您知道为什么Python没有正确读取此文件，请告诉我。

Answer 1

您无法以文本模式阅读该文件。毫无疑问，当你尝试这样做时，python会看到一个零字节作为终结者。

尝试以二进制模式打开它，模式=＆＃39; rb＆＃39;，并避免将内容视为文本的读取函数，如readline（）。有一个stackoverflow问题已经涵盖了阅读二进制文件：

Reading a binary file with python

你必须提取＆＃34;未受损害的＆＃34;部分通过逐字节检查二进制值并将连续的有效字节（我假设为ASCII或UTF-8）保存到字符串中，然后打印出来或写入另一个文件。