Python xml.etree.ElementTree 解析强制编码答案

【问题标题】：Python xml.etree.ElementTree parse force encodingPython xml.etree.ElementTree 解析强制编码
【发布时间】：2020-03-22 19:56:40
【问题描述】：

我收到许多 XML 文件，其中一些编码错误（例如，在 xml 标头中是 ISO-8859-1，但所有字符串都是 UTF-8，等等）

使用 xml.etree.ElementTree 进行解析，这也读取带有编码的 xml 标头（有时是错误的）

input_element = xml.etree.ElementTree.parse("input.xml").getroot()

我想强制另一种编码并从标题中忽略它。

有什么简单的方法可以做到这一点吗？

【问题讨论】：

与所有这些事情一样：修复损坏的 XML 的来源比尝试构建一个适应生产者错误的消费者要好。 XML 声明不可能与文件编码不匹配，除非在生产端出现严重错误。应该解决这个问题。
@Tomalak，是的，这是我的愿望，但我不可能……

【解决方案1】：

如果您确定编码，您可以使用open() 将文件读入字符串，然后使用ElementTree.fromstring() 将该字符串转换为XML 文档。

with open("input.xml", encoding="Windows-1252") as fp:
    xml_string = fp.read()
    tree = ElementTree.fromstring(xml_string)

这将忽略 XML 声明，因为文件已经被解码，尽管是手动的。对于普通/兼容的 XML 文档，不推荐使用此方法，应使用ElementTree.parse('filename')。

【讨论】：