zoukankan      html  css  js  c++  java
  • Python解析xml文件遇到的编码解析的问题

    使用python对xml文件进行解析的时候,假设xml文件的头文件是utf-8格式的编码,那么解析是ok的,但假设是其它格式将会出现例如以下异常:

    xml.parsers.expat.ExpatError: unknown encoding


    因此,为了保证程序的正常执行,我们须要对读取的文件进行编码处理。

    1、首先将读取的字符从原来的编码解析,并编码成utf-8;

    2、改动xml的encoding;

    代码例如以下:

    import sys
    import os
    import datetime
    import time
    import string
    from urllib import unquote
    import MySQLdb
    
    import xml.parsers.expat
    
    import xml.etree.ElementTree as Etree
    
    import types
    import httplib
    import urllib2
    import urllib
    import json
    import re
    
    
    def readDataFromNetwork(url):
    	req = urllib2.Request(url)
    	rd = urllib2.urlopen(req)
    	readData = rd.read()
    	return readData
    
    # <![CDATA[ http://j.xywy.com/il_sii_27.htm ]]>
    def parseXmlStr(_str):	
    	try:
    		# 将字符串进行解码编码
    		_str = unquote(_str)
    		_str = _str.decode('gbk').encode('utf-8')
    		print _str[0:100]
    	except Exception,ex:
    		print 'error'
    
    	# 改动xml文件的编码方式
    	_str = re.sub('gbk', 'utf-8', _str)
    
    
    	xmlDoc = Etree.fromstring(_str)
    	childList = xmlDoc.getchildren()
    
    	for node in childList:
    		str_value = node.find("display/url").text
    		if str_value.find('CDATA') != -1:
    			print 'haha'

    输出结果例如以下:

    <?xml version="1.0" encoding="gbk" ?>
    <DOCUMENT>
    <item>
    <key>百日咳</key>
    <display>
    <title>
    <?xml version="1.0" encoding="utf-8" ?>
    <DOCUMENT>
    <item>
    <key>百日咳</key>
    <display>


  • 相关阅读:
    [转载]数据类型和Json格式 Joe
    为页面去掉下划线
    基于Spring,struts,hibernate的JYazd仿yazd及jivejdon
    tomcat下建立虚拟目录
    用例建模指南
    王老师好,学生请教个设计上的问题
    博客第一个处女作,顺便测试一下
    自定义可以和with一起工作的类
    boost cpu_timer
    静态初始化的相依性
  • 原文地址:https://www.cnblogs.com/wzjhoutai/p/6740409.html
Copyright © 2011-2022 走看看