ElementTree.ParseError：格式不正确（无效标记）

Question

我创建了两个应用程序：

• 将 csv（以 latin-1 编码）转换为 xml

  import xml.etree.ElementTree as xml
  xml.ElementTree(xmlData).write(xmlFile, encoding='ISO-8859-1')
  

• 将以前的xml加载到我的数据库（mysql）

  • 没有解析器

    from xml.etree import ElementTree as etree
    etree.parse(xmlFile)
    

  • 解析器

    from xml.etree import ElementTree as etree
    myparser = etree.XMLParser(encoding='ISO-8859-1')
    etree.parse(xmlFile, parser=myparser)
    

加载 CSV 文件并将其转换为 XML 文件有效。

问题：我无法将 XML 文件加载/解析到 Elementree 中

错误信息：

    "/Library/Frameworks/Python.framework/Versions/3.3/lib/python3.3/xml/etree/ElementTree.py",    line 1726, in parse
parser.feed(data)
    xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 14443, column 0

注意：

• 每个文件都以 latin-1/ISO-8859-1 编码
• CSV 文件的大小约为 1GB
• 我使用python v3.3
• 将 ISO-8859-1 替换为 latin-1 没有帮助

更新： 第 14443 行以（十六进制）开头：0xc 0x44 0x4c 0x56 0x36 0x32 ...

由于第 14443 行第 0 列出现解析错误，因此错误是由 0xc 产生的

Answer 1

解决方案：

tr -dc '[\011\012\015\040-\176\200-\377]' < input.xml > output.xml

这不是最佳解决方案，因为我们创建了另一个（大）文件。