我有一个XML文件,我试图从中删除BOM,因为我需要使用lxml对其进行解析。可以在此处找到该文件的链接。一些简化的代码是:
from lxml import etree
f = open(filename, "r")
ff = f.read()
fff = ff.encode('utf-8-sig')
ffff = fff.decode('utf-8')
tree = etree.fromstring(ffff)
我试着遵循这里的一些例子来处理这种情况,但我仍然会遇到与我开始时相同的错误:
lxml.etree.XMLSyntaxError: Start tag expected, '<' not found, line 1, column 1
我做错了什么?
感谢
您当前的代码正在向后进行编码和解码,最终会得到一个加倍的BOM,而不是完全没有BOM。您希望使用常规utf-8
进行编码,并使用utf-8-sig
进行解码。
但您可以通过直接从文件中进行解码来避免所有这些。尝试:
f = open(filename, "r", encoding="utf-8-sig")
ff = f.read()
tree = etree.fromstring(ff)
据我所知,这现在正在工作:
f = open(nfile, "r", encoding="utf-8-sig")
ff = f.read()
fff = ff.encode("utf-8")
tree = etree.fromstring(fff)