我需要从多个xml文件中检索大量信息。我正在尝试创建一个webscraper,但我仍然在编译时遇到问题,同时仍然剥离了所有命名空间(参见代码)。 xml文件的内容以丹麦文写成,并包含特殊字符“æøå”。
如何在删除名称空间的同时更改打印的xml数据的文件编码?
import urllib
from StringIO import StringIO
from xml.etree import ElementTree as ET
import re
url = "http://loremIpsum.co "
xmlString = urllib.urlopen(url).read() #data with namespaces
it = ET.iterparse(StringIO(xmlString))
for _, el in it:
if '}' in el.tag:
el.tag = el.tag.split('}', 1)[1] # strip all namespaces
root = it.root
print root.findtext("loremIpsum/loremIpsum")
如果root.findtext("loremIpsum/loremIpsum")
是特殊字符“ø”,则为当前打印输出:
u'\xd8
预期产出:
ø