python xml.sax解析带有突出字符的问题

Question

以下代码导致众所周知的“UnicodeDecodeError：'ascii'编解码器无法解码”错误：

import xml.sax
import io
parser = xml.sax.make_parser()
parser.parse(io.StringIO(u'<a>é</a>'))

虽然

import xml.sax
parser = xml.sax.make_parser()
parser.parse(open('foo'))

有效（文件“foo”的内容为<a>é</a>）。

我需要在我的情况下解析XML字符串，而不是文件。

我的问题有解决办法吗？感谢。

Answer 1

文件包含字节，并且必须有一些编码来存储Unicode字符，因此请改用BytesIO对象：

#coding: utf8
import xml.sax 
import io 
parser = xml.sax.make_parser() 
parser.parse(io.BytesIO(u'<a>é</a>'.encode('utf8')))

注意：#coding: utf8指定源文件的编码; .encode('utf8')指定要存储在BytesIO对象中的Unicode字符串的编码。从技术上讲，使用非Unicode字符串：

#coding: utf8
parser.parse(io.BytesIO('<a>é</a>'))

也可以工作，因为字节字符串已经在源文件编码中，但它使意图更清晰。源文件和BytesIO编码可能不同。