lxml etree.iterparse 错误“TypeError：读取文件对象必须返回纯字符串”答案

【问题标题】：lxml etree.iterparse error "TypeError: reading file objects must return plain strings"lxml etree.iterparse 错误“TypeError：读取文件对象必须返回纯字符串”
【发布时间】：2012-05-01 19:16:57
【问题描述】：

我想使用 lxml 解析 HTML 文档。我正在使用 python 3.2.3 和 lxml 2.3.4 (http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml)

我正在使用etree.iterparse 解析文档，但它返回以下运行时错误：

Traceback (most recent call last):
  File "D:\Eclipse Projects\Python workspace\Crawler\crawler.py", line 12, in <module>
    for event, elements in etree.iterparse(some_file_like):
  File "iterparse.pxi", line 491, in lxml.etree.iterparse.__next__ (src/lxml\lxml.etree.c:98565)
  File "iterparse.pxi", line 512, in lxml.etree.iterparse._read_more_events (src/lxml\lxml.etree.c:98768)
TypeError: reading file objects must return plain strings

问题是：如何解决这个运行时错误？

非常感谢。

代码如下：

from io import StringIO
from lxml import etree

some_file_like = StringIO("<root><a>data</a></root>")

for event, elements in etree.iterparse(some_file_like): #<-- Run-time error happens here
    print("%s, %4s, %s" % (event, elements.tag, elements.text))

【问题讨论】：

标签： python lxml elementtree iterparse

【解决方案1】：

您的 StringIO 缓冲区有 unicode 字符串。 iterparse 适用于返回字节的文件类对象。以下缓冲区应与 iterparse 一起使用：

from io import BytesIO
some_file_like = BytesIO("<root><a>data</a></root>".encode('utf-8'))

【讨论】：

感谢您的反馈。我尝试了你的建议，但它给出了以下运行时错误：TypeError: initial_value must be str or None, not bytes
显然您需要将BytesIO 用于字节，将StringIO 用于字符串（不像旧的StringIO 可以同时用于两者）。修正了我的答案。
我有一个需要作为字节处理的 unicode 文件。我该怎么做？
@user 我认为你应该以二进制模式打开文件。