Python读gbk编码的xml问题-0806072220

Python读xml时，如果编码不是utf-8或utf-16，就出错，如下：


...

解析这个xml文件代码如下：
from xml.dom import minidom
f = minidom.parse('f:\\temp\\protocol.xml')
print f.toxml()

出现这个错误：
xml.parsers.expat.ExpatError: unknown encoding:


解决办法：

由于xml协会规定，所有xml解析器均需要支持utf-8和utf-16两种编码而不要求别的编码，所以我估计python提供的xml处理模块就是不支持gb2312的。而windows下的文件，大部分均为gb2312编码的，因此处理的时候，就会带来不方便的地方。

解1：利用UltraEdit等工具，将xml文件转换成UTF-8的，然后encoding="utf-8"即可
转换工具如果没有，用python可以简单写一个，比如
（以下代码转自 http://tenyears.cn/?cat=6 ）
－－－－－－－－－－
# -*- coding: mbcs -*-
import codecs
f = codecs.open(‘D:\\normal.txt’, ‘rb’, ‘mbcs’)
text = f.read().encode(‘utf-8′)
f.close
f = open(‘d:\\utf8.txt’, ‘wb’)
f.write(text)
f.close()
print text.decode(‘utf-8′).encode(‘gb2312′)
－－－－－－－－－－－－－－－－－

解2：xml文件里面不要写入encoding，保持为gb2312本地编码，然后程序解析的时候，采用语句
unicode(file('f:\\temp\\a.txt', 'r', 'gb2312').read(),'gb2312').encode('utf-8')
将整个文件转成utf-8的 String 来处理，处理结束后，利用
unicode(string,'utf-8').encode('gb2312')
换成本地的gb码，再将结果写回文件。

另外，python2.4的普通函数处理字符串的时候，好像已经支持各种编码了。