Python 中對 XML 文件的編碼轉(zhuǎn)換問題
1. 在 Python 中 XML 文件的編碼問題
1.Python 使用的xml.etree.ElementTree
庫只支持解析和生成標(biāo)準(zhǔn)的UTF-8格式的編碼
2.常見GBK
或GB2312
等中文編碼的 XML 文件,用以在老舊系統(tǒng)中保證 XML 對中文字符的記錄能力
3.XML 文件開頭有標(biāo)識頭,標(biāo)識頭指定了程序處理 XML 時應(yīng)該使用的編碼
4.要修改編碼,不僅要修改文件整體的編碼,還要將標(biāo)識頭中 encoding 部分的值修改
2. 處理 Python XML 文件的思路
1.讀取&解碼:
- 使用二進(jìn)制模式讀取 XML 文件,將文件變?yōu)槎M(jìn)制流
- 將二進(jìn)制流使用
.encode()
方法,使用原文件的編碼格式進(jìn)行解析為字符串
2.處理標(biāo)識頭:使用.replace()
方法,替換字符串中的encoding="xxx"
部分
3.編碼&保存:將字符串使用新的編碼格式進(jìn)行保存
3. 實際過程中遇到的問題
- GB2312 <–> UTF:無問題,可直接按照上面的邏輯處理
- GBK <–> UTF8
- GBK --> UTF8:無問題,可直接按照上面的邏輯處理
- UTF8 --> GBK:.encode()會報錯,要加上error="ignore"參數(shù),忽略無法轉(zhuǎn)換的字符
- 這里的原理是:GBK 編碼兼容 UTF-8 編碼,因此無法轉(zhuǎn)換的內(nèi)容使用 GBK 直接也能顯示
- GBK <–> GB2312:無問題
4. 最后使用的代碼
# filepath -- 原文件路徑 # savefilepath -- 轉(zhuǎn)換后文件存儲路徑(默認(rèn) = 原文件路徑) # oldencoding -- 原文件的編碼格式 # newencoding -- 轉(zhuǎn)換后文件的編碼格式 def convert_xml_encoding(filepath, savefilepath=filepath, oldencoding, newencoding): # Read the XML file with open(filepath, 'rb') as file: content = file.read() # Decode the content from old encoding # 出現(xiàn)錯誤時忽略 errors='ignore' decoded_content = content.decode(oldencoding, errors='ignore') # decoded_content = content.decode('GBK') # Update the encoding in the XML header updated_content = decoded_content.replace('encoding="{}"'.format(oldencoding), 'encoding="{}"'.format(newencoding)) # Encode the content to new encoding # 出現(xiàn)錯誤時忽略 errors='ignore' encoded_content = updated_content.encode(newencoding,errors='ignore') # Write the updated content to the file with open(savefilepath, 'wb') as file: file.write(encoded_content) # Result output print(f"XML file '{os.path.basename(filepath)}'({oldencoding}) --> '{os.path.basename(savefilepath)}'({newencoding})") # ---------------------- 使用示例 --------------------- # GBK --> utf-8 convert_xml_encoding(filepath, savefilepath1, 'GBK', 'utf-8') # utf-8 --> gb2312 convert_xml_encoding(filepath, savefilepath1, 'utf-8', 'gb2312') # GBK --> gb2312 convert_xml_encoding(filepath, savefilepath1, 'GBK', 'gb2312')
注意事項:
- 由于這里需要直接替換標(biāo)識頭,要求編碼名稱一定得完全匹配,否則替換會失敗
- 如:GBK 不能寫成 gbk,utf-8 不能寫成 UTF8此代碼僅在以上 GBK、GB2312、UTF-8 & 常用中英文基礎(chǔ)上測試,其他的編碼格式不保證一定能轉(zhuǎn)換成功
到此這篇關(guān)于Python 中對 XML 文件的編碼轉(zhuǎn)換的文章就介紹到這了,更多相關(guān)Python XML 文件編碼轉(zhuǎn)換內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python3實現(xiàn)發(fā)送QQ郵件功能(附件)
這篇文章主要為大家詳細(xì)介紹了Python3實現(xiàn)發(fā)送QQ郵件功能,附件方面,文中示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2017-12-12對python .txt文件讀取及數(shù)據(jù)處理方法總結(jié)
下面小編就為大家分享一篇對python .txt文件讀取及數(shù)據(jù)處理方法總結(jié),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04淺談python中拼接路徑os.path.join斜杠的問題
今天小編就為大家分享一篇淺談python中拼接路徑os.path.join斜杠的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10Django應(yīng)用程序入口WSGIHandler源碼解析
這篇文章主要介紹了Django應(yīng)用程序入口WSGIHandler源碼解析,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-08-08Python實現(xiàn)數(shù)據(jù)庫編程方法詳解
這篇文章主要介紹了Python實現(xiàn)數(shù)據(jù)庫編程方法,較為詳細(xì)的總結(jié)了Python數(shù)據(jù)庫編程涉及的各種常用技巧與相關(guān)組件,需要的朋友可以參考下2015-06-06如何從csv文件構(gòu)建Tensorflow的數(shù)據(jù)集
這篇文章主要介紹了如何從csv文件構(gòu)建Tensorflow的數(shù)據(jù)集,幫助大家更好的理解和使用Tensorflow,感興趣的朋友可以了解下2020-09-09Python 實現(xiàn)LeNet網(wǎng)絡(luò)模型的訓(xùn)練及預(yù)測
本文將為大家詳細(xì)講解如何使用CIFR10數(shù)據(jù)集訓(xùn)練模型以及用訓(xùn)練好的模型做預(yù)測。代碼具有一定價值,感興趣的小伙伴可以學(xué)習(xí)一下2021-11-11使用python如何提取JSON數(shù)據(jù)指定內(nèi)容
這篇文章主要介紹了使用python如何提取JSON數(shù)據(jù)指定內(nèi)容,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2022-07-07