解析gbk格式带中文的xml

Posted elephanyu

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了解析gbk格式带中文的xml相关的知识，希望对你有一定的参考价值。

方案

       1、以gbk格式读取xml文件为字符串，替换xml声明为utf-8格式

       2、将字符串编码成utf-8格式，直接解析

 

代码

 1 def parse_xml_node(node):
 2     if len(node.getchildren()) == 0:
 3         return node.text if node.text is not None else ‘‘
 4     else:
 5         node_dict = {}
 6         for child in node.getchildren():
 7             if child.tag in node_dict.keys():
 8                 if not isinstance(node_dict[child.tag], list):
 9                     node_dict[child.tag] = [node_dict[child.tag]]
10                 node_dict[child.tag].append(parse_xml_node(child))
11             else:
12                 node_dict[child.tag] = parse_xml_node(child)
13         return node_dict
14 
15 def parse_gbk_xml(filename):
16     import codecs
17     from xml.etree import ElementTree
18     with codecs.open(filename,‘r‘,encoding=‘gbk‘) as fp:
19         text = fp.read().replace(‘<?xml version="1.0" encoding="GBK"?>‘, ‘<?xml version="1.0" encoding="UTF-8"?>‘)
20     xdata = {}
21     element = ElementTree.fromstring(text.encode(‘utf-8‘))
22     xdata[element.tag] = parse_xml_node(element)

 

结果验证：

 1 # 文本内容
 2 <?xml version="1.0" encoding="GBK"?>
 3     <root>
 4         <head>
 5             <code>1</code>
 6             <message>正确</message>
 7             <value>320202</value>
 8         </head>
 9     </root>
10 
11 
12 # 解析结果
13 {‘root‘: {‘head‘: {‘message‘: u‘u6b63u786e‘, ‘code‘: ‘1‘, ‘value‘: ‘320202‘}}}

 

以上是关于解析gbk格式带中文的xml的主要内容，如果未能解决你的问题，请参考以下文章

从 XML 声明片段获取 XML 编码：部分内容解析不支持 XmlDeclaration

使用非utf-8编码在Python中解析XML

用jdom解析xml文件时如何解决中文问题?如何解析?

从流输入中解析没有根元素的 XML 片段列表

python爬虫把url链接编码成gbk2312格式过程解析

无法解析片段中的 findViewById [重复]