如何在 Python 中解析带有编码声明的 XML 文件？

Question

我有这个 XML 文件，名为xmltest.xml：

<?xml version="1.0" encoding="GBK"?>
<productMeta>
    <bands>1,2,3,4</bands>
    <imageName>TestName.tif</imageName>  
    <browseName>TestName.jpg</browseName>
</productMeta>

我有这个 Python 虚拟代码：

import xml.etree.ElementTree as ET
xmldoc = ET.parse('xmltest.xml')

但它提出了一个ValueError：

ValueError：不支持多字节编码

我理解这个错误，它引发的原因是 XML 文件第一行中的编码声明。XML 文件采用 UTF-8 编码，但始终具有该声明（我不是要分析的 XML 文件的创建者）。在解析前一个 XML 文件时，如何避免这种编码声明？

Answer 1

我尝试过的对我xml有用的一件事是将文件作为文件对象打开，然后使用ElementTree.fromstring()传入文件的完整内容。

例子 -

>>> import xml.etree.ElementTree as ET
>>> ef = ET.parse('a.xml')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Python34\lib\xml\etree\ElementTree.py", line 1187, in parse
    tree.parse(source, parser)
  File "C:\Python34\lib\xml\etree\ElementTree.py", line 598, in parse
    self._root = parser._parse_whole(source)
ValueError: multi-byte encodings are not supported
>>> with open('a.xml','r') as f:
...     ef = ET.fromstring(f.read())
...
>>> ef
<Element 'productMeta' at 0x028DF180>

您还可以XMLParser使用所需的编码创建一个，这应该使您能够从该编码解析字符串，例如 -

import xml.etree.ElementTree as ET
xmlp = ET.XMLParser(encoding="utf-8")
f = ET.parse('a.xml',parser=xmlp)