Python中xml遇到gbk编码问题

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：