以 UTF-8 格式从 lxml 错误日志中打印消息

Question

我学习python（2.7版本），我有任务使用lxml库（http://lxml.de/）通过xsd模式检查xml文档。我有两个文件 - 像这样的例子：

$ cat 1.xml 
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE yml_catalog SYSTEM "shops.dtd">
<a>
  <b>?????? ???!</b>
</a>

和

$cat 2.xsd
<?xml version="1.0" encoding="UTF-8"?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" elementFormDefault="qualified">
  <xs:element name="a" type="AType"/>
  <xs:complexType name="AType">
    <xs:sequence>
      <xs:element name="b" type="xs:decimal" />
   </xs:sequence>
  </xs:complexType>
</xs:schema>

它应该非常简单，但我不明白如何将 lxml 与 utf-8 一起使用（从不使用硬编码）。我做简单的步骤：

>>> from lxml import etree
>>> schema = etree.parse("/tmp/qwerty/2.xsd")
>>> xmlschema = etree.XMLSchema(schema)
>>> try:
    document = etree.parse("/tmp/qwerty/1.xml")
    print "Parse complete!"
except etree.XMLSyntaxError, e:
    print e

Parse complete!
>>> xmlschema.validate(document)
False
>>> xmlschema.error_log

Traceback (most recent call last):
  File "<pyshell#8>", line 1, in <module>
    xmlschema.error_log
  File "xmlerror.pxi", line 286, in lxml.etree._ListErrorLog.__repr__ (src/lxml/lxml.etree.c:33216)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 85-90: ordinal not in range(128)

而且我无法从 .error_log 中获取所有引发的异常。

有任何使用编码/解码方法的解决方法来检查它（成功）或者解决方案（并且没有另一个库（我谈论标准的python方法）），或者我可能需要使用StringIO（但如何）？

我知道我的问题源于“?????? ???!” 和 xs:decimal - 这些只是示例（简短）。对不起我的英语不好。谢谢你。

Answer 1

您必须使用 对错误日志中的错误消息进行编码utf-8。请尝试以下操作：

代码：

from lxml import etree

schema = etree.parse("2.xsd")
xmlschema = etree.XMLSchema(schema)

try:
    document = etree.parse("1.xml")
    print "Parse complete!"
except etree.XMLSyntaxError, e:
    print e

print xmlschema.validate(document)
for error in xmlschema.error_log:
    print "ERROR ON LINE %s: %s" % (error.line, error.message.encode("utf-8"))

结果：

Parse complete!
False
ERROR ON LINE 4: Element 'b': '?????? ???!' is not a valid value of the atomic type 'xs:decimal'.
[Finished in 1.3s]

相关文档可以在这里找到。

如果这有帮助，请告诉我们。