Chinaunix首页 | 论坛 | 博客
  • 博客访问: 2342427
  • 博文数量: 321
  • 博客积分: 3440
  • 博客等级: 中校
  • 技术积分: 2992
  • 用 户 组: 普通用户
  • 注册时间: 2007-05-24 09:08
个人简介

我就在这里

文章分类

全部博文(321)

文章存档

2015年(9)

2014年(84)

2013年(101)

2012年(25)

2011年(29)

2010年(21)

2009年(6)

2008年(23)

2007年(23)

分类: Python/Ruby

2013-02-15 22:21:49

在python中遇到编码问题是一个非常痛苦的问题。今天修改了一个这样的问题。

文件 test.xml内容如下


…………….

要用python解析一下文件的内容。

采用minidom解析

xmldoc = minidoc.parse(file_name);

会出现这个错误

xml.parsers.expat.ExpatError: unknown encoding: line 1, column 30

经过查找肯定会发现是minidom不支持gbk编码,那么文件是gbk编码的,肯定是错误的,所以将文件转码为utf-8

(命令 iconv -f gbk -t utf-8 filename -o filename_new)

现在对新的utf-8编码的文件进行解析操作,依旧是报错,这是为什么呢?

原因是这个句子在做过,minidom在底层对这个语句进行了识别,也就是不仅仅文件要变成utf-8编码的,而且这里也要变成。再试验一次,全部ok了

给段操作代码

file_xml = open(file_name,”r”).read()
file_xml = file_xml.replace(‘’,'’)
file_xml = unicode(file_xml,encoding=’gbk’).encode(‘utf-8′)
xmldoc  = minidoc.parseString(file_xml)

 

PS:顺便说一句,win7平台下vs2010打开test.xml文件,选择高级保存,然后将编码形式从gb2312换成utf8,会自动将头部的gbk改成utf-8。

转自:

阅读(5472) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~