Python xml.etree.ElementTree解析强制编码

Question

我得到了许多XML文件，其中一些文件的编码错误(例如，在XML标头中是ISO-8859-1，但所有字符串都是UTF-8，等等(

用于解析的是xml.etree.ElementTree，这也读取带有编码的xml头(有时是错误的(

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

我想强制进行另一种编码，并忽略标头中的这一点。

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，可以使用open()将文件读取为字符串，然后使用ElementTree.fromstring()将该字符串转换为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，因为文件已经被解码，尽管是手动的。对于普通/兼容的XML文档，不建议使用此方法，而应使用ElementTree.parse('filename')。