关于XML解析报错问题（LF、CRLF）

报错内容的主要部分：

UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x80 in position
123: illegal multibyte sequence

问题产生

在做目标检测时，使用的数据集来自网络，在将xml和图片转换到特定格式时，有些xml文件解析出现了问题。像这样：

我发现，当我未使用labelImg工具，而直接通过记事本手动修改xml文件时，或者通过脚本批量修改xml文件时就会出现这个问题。

分析问题

以下为两个xml文件，里面的内容基本一样、格式完全相同，仔细观察发现：

可以正常解析的xml文件编码格式是LF

而不能正常解析的xml文件编码格式是CRLF

解释以下（参考）

• CR：Carriage Return，对应ASCII中转义字符\r，表示回车
• LF：Linefeed，对应ASCII中转义字符\n，表示换行
• CRLF：Carriage Return & Linefeed，\r\n，表示回车并换行

众所周知，Windows操作系统采用两个字符来进行换行，即CRLF；Unix/Linux/Mac OS X操作系统采用单个字符LF来进行换行；另外，MacIntosh操作系统（即早期的Mac操作系统）采用单个字符CR来进行换行。

解决方法

1 首先我们需要下载一个强大的工具Dos2Unix，下载地址（可能被墙 ） ，百度云（提取码：e8cj）。

2 配置环境变量，步骤省略。

3 打开命令窗口，开始批量转换。

在命令窗口输入

for /R 文件路径 %G in (*.c *.cc *.h *.xml) do dos2unix "%G" # *.c *.cc *.h *.xml 表示任意匹配这些后缀名的文件

当出现以下内容，说明转换成功：