BeautifulSoup 不会使用 utf-8 以外的其他编码解析 xml

Question

我可以读取以 .xml 开头的所有 xmls 文件，<?xml version="1.0" encoding="utf-8"?>但无法读取以.xml 开头的文件<?xml version="1.0" encoding="ISO-8859-1"?>。

具体来说，我有两个文件：

xml_iso.xml :

<?xml version="1.0" encoding="ISO-8859-1"?>
<note>
    <to>Tove</to>
    <from>Jani</from>
    <heading>Reminder</heading>
</note>

xml-utf.xml :

<?xml version="1.0" encoding="utf-8"?>
<note>
    <to>Tove</to>
    <from>Jani</from>
    <heading>Reminder</heading>
</note>

使用以下代码，我可以找到note文件的 ，utf-8但我无法在其他编码的文件中找到它。我该如何解决？

示例代码：

import unittest

from bs4 import BeautifulSoup as Soup

class TestEncoding(unittest.TestCase):
    def test_iso(self):
        with open('tests/xml-iso.xml', 'r') as f_in:
            xml_soup = Soup(f_in.read(), 'xml')
        print('xml-iso:\n{}'.format(xml_soup))
        note = xml_soup.find('note')
        self.assertIsNotNone(note)

    def test_utf8(self):
        with open('tests/xml-utf.xml', 'r') as f_in:
            xml_soup = Soup(f_in.read(), 'xml')
        print('xml-utf8:\n{}'.format(xml_soup))
        note = xml_soup.find('note')
        self.assertIsNotNone(note)

if __name__ == '__main__':
    unittest.main()

版本：

• 蟒蛇 3.5.2

• beautifulsoup4==4.6.0

Answer 1

巧合的是，我偶然发现了另一种解决方法。以二进制方式读取文件（'rb'）：

with open('tests/xml-iso.xml', 'rb') as f_in:
    xml_soup = Soup(f_in.read(), 'xml')

Answer 2

我有完全一样的问题。我的解决方法是不读取 xml 声明：

with open('tests/xml-iso.xml', 'r', encoding='iso-8859-1') as f_in:
    f_in.readline()  # skipping header and letting soup create its own header
    xml_soup = Soup(f_in.read(), 'xml', from_encoding='ISO-8859-1')