Python xml.etree.ElementTree 解析强制编码

Question

我收到很多 XML 文件，其中一些文件编码错误（例如 xml header 中的是 ISO-8859-1，但所有字符串都是 UTF-8 , 依此类推)

用于解析 xml.etree.ElementTree 这也读取 xml header 编码（有时是错误的）

input_element = xml.etree.ElementTree.parse("input.xml").getroot()

我想强制使用另一种编码并忽略 header。

有什么简单的方法可以做到这一点吗？

Answer 1

如果您确定编码，您可以使用open()将文件读入一个字符串，然后使用ElementTree.fromstring()将该字符串转换为一个XML文档。

with open("input.xml", encoding="Windows-1252") as fp:
    xml_string = fp.read()
    tree = ElementTree.fromstring(xml_string)

这将忽略 XML 声明，因为文件已经解码，尽管是手动解码。对于 normal/compliant XML 文档，不推荐使用此方法，您应该使用 ElementTree.parse('filename') 代替。

Python xml.etree.ElementTree parse force encoding