Question

我正在尝试打开一个有效的xml文件，用lxml-xml对其进行解析，对其进行美化，最后将其保存到其他文件中。

我的代码如下：

def main(path_to_config):
    with open(f'configs/{path_to_config}', 'r') as file:
        contents = file.read()
        soup = BeautifulSoup(contents, 'xml')
        with open(f'pretty_xml/{path_to_config.split("_")[0]}.xml', 'w') as new_file:
            new_file.write(soup.prettify())

不幸的是，无论文件中放入什么内容，解析都不会生成有效的xml。单行<?xml version="1.0" encoding="utf-8"?>已保存到pretty_config/文件中。我已经通过多个在线验证器验证了我传递的xml是有效的。

我尝试仅用文件代替file.read()，但是没有运气。我还尝试过仅用xml字符串替换它，该字符串可以工作并验证我的解析器是否正常工作，并且在打开文件并将内容传递给BeautifulSoup之间发生了故障。

任何对此的帮助将不胜感激。

更新：

我的xml文件只有一行<note><time>twelve</time></note>。

作为健全性检查，我添加了assert contents == '<note><time>twelve</time></note>'，因为当我将字符串传递给BeautifulSoup时解析器没有问题。这一新行引发了AssertionError，我对此一无所知。字符串应该不一样吗？我直接将.py文件中的字符串复制到.xml文件中，没有其他空格或任何其他字符。

Answer 1

我的文件开头有一个BOM，但是从.py文件到.xml文件的复制粘贴并未覆盖它。

由于@snakecharmerb的建议使用repr(contents)查看我的字符串的真实表示，我发现了这一点，并发现值是'\'\\ufeff<note><time>twelve</time></note>\''。 \ ufeff是BOM，需要删除。

我在函数的开头添加了以下几行，它可以修复错误。

s = open(f'configs/{path_to_config}', mode='r', encoding='utf-8-sig').read()
open(f'configs/{path_to_config}', mode='w', encoding='utf-8').write(s)

BeautifulSoup4不接受有效的XML

1 个答案: