xml.parsers.expat.ExpatError：格式不正确（无效令牌）

Question

当我使用 xmltodict 加载下面的 xml 文件时，出现错误： xml.parsers.expat.ExpatError: not well-formed (invalid token): line 1, column 1

这是我的文件：

<?xml version="1.0" encoding="utf-8"?>
<mydocument has="an attribute">
  <and>
    <many>elements</many>
    <many>more elements</many>
  </and>
  <plus a="complex">
    element as well
  </plus>
</mydocument>

来源：

import xmltodict
with open('fileTEST.xml') as fd:
   xmltodict.parse(fd.read())

我在 Windows 10 上，使用 Python 3.6 和 xmltodict 0.11.0

如果我使用 ElementTree 它可以工作

tree = ET.ElementTree(file='fileTEST.xml')
    for elem in tree.iter():
            print(elem.tag, elem.attrib)

mydocument {'has': 'an attribute'}
and {}
many {}
many {}
plus {'a': 'complex'}

注意：我可能遇到了换行问题。
注意 2：我在两个不同的文件上使用了 Beyond Compare。
它在 UTF-8 BOM 编码的文件上崩溃，并在 UTF-8 文件上工作。
UTF-8 BOM 是一个字节序列 (EF BB BF)，允许阅读器将文件识别为以 UTF-8 编码。

Answer 1

我想你忘了定义编码类型。 我建议您尝试将该 xml 文件初始化为字符串变量：

import xml.etree.ElementTree as ET
import xmltodict
import json


tree = ET.parse('your_data.xml')
xml_data = tree.getroot()
#here you can change the encoding type to be able to set it to the one you need
xmlstr = ET.tostring(xml_data, encoding='utf-8', method='xml')

data_dict = dict(xmltodict.parse(xmlstr))

Answer 2

就我而言，问题在于前 3 个字符。所以删除它们是有效的：

import xmltodict
from xml.parsers.expat import ExpatError

with open('your_data.xml') as f:
    data = f.read()
    try:
        doc = xmltodict.parse(data)
    except ExpatError:
        doc = xmltodict.parse(data[3:])

Answer 3

Python 3

一个班轮

data: dict = xmltodict.parse(ElementTree.tostring(ElementTree.parse(path).getroot()))

.json 和 .xml 的助手

我写了一个小辅助函数来从给定的path 加载.json 和.xml 文件。 我认为它对这里的某些人可能会派上用场：

import json
import xml.etree.ElementTree

def load_json(path: str) -> dict:  
    if path.endswith(".json"):
        print(f"> Loading JSON from '{path}'")
        with open(path, mode="r") as open_file:
            content = open_file.read()

        return json.loads(content)
    elif path.endswith(".xml"):
        print(f"> Loading XML as JSON from '{path}'")
        xml = ElementTree.tostring(ElementTree.parse(path).getroot())
        return xmltodict.parse(xml, attr_prefix="@", cdata_key="#text", dict_constructor=dict)

    print(f"> Loading failed for '{path}'")
    return {}

备注

• 如果您想去掉 json 输出中的 @ 和 #text 标记，请使用参数 attr_prefix="" 和 cdata_key=""

• 通常xmltodict.parse() 返回OrderedDict，但您可以使用参数dict_constructor=dict 更改它

用法

path = "my_data.xml"
data = load_json(path)
print(json.dumps(data, indent=2))

# OUTPUT
#
# > Loading XML as JSON from 'my_data.xml' 
# {
#   "mydocument": {
#     "@has": "an attribute",
#     "and": {
#       "many": [
#         "elements",
#         "more elements"
#       ]
#     },
#     "plus": {
#       "@a": "complex",
#       "#text": "element as well"
#     }
#   }
# }

来源

• ElementTree.tostring()
• ElementTree.parse()
• xmltodict
• json.dumps()

Answer 4

在我的情况下，文件是使用字节顺序标记保存的，这是 notepad++ 的默认设置

我将没有BOM的文件重新保存为纯utf8。

Answer 5

xmltodict 似乎无法解析<?xml version="1.0" encoding="utf-8"?>

如果您删除此行，它会起作用。

Answer 6

不特定于原始帖子，但对于那些在不同行也遇到相同错误的人，我能够通过更正 XML/XHTML 错误来修复它。

在我的例子中，我正在使用的文档有一个带有百分比符号“&”而不是“&”的文本描述，因此为了解决我的问题，我必须先编辑文件，然后再运行解析器。