Python 中对 XML 文件的编码转换问题_开发_开发者

Python 中对 XML 文件的编码转换问题

开发者 https://www.devze.com 2023-03-22 09:24 出处：网络作者： Lilixxs

目录1. 在 python 中 XML 文件的编码问题2. 处理 Python XML 文件的思路3. 实际过程中遇到的问题4. 最后使用的代码1. 在 Python 中 XML 文件的编码问题

1. 在 Python 中 XML 文件的编码问题

1.Python 使用的xml.etree.ElementTree库只支持解析和生成标准的UTF-8格式的编码

2.常见GBK或GB2312等中文编码的 XML 文件，用以在老旧系统中保证 XML 对中文字符的记录能力

3.XML 文件开头有标识头，标识头指定了程序处理 XML 时应该使用的编码

Python 中对 XML 文件的编码转换问题

4.要修改编码，不仅要修改文件整体的编码，还要将标识头中 encoding 部分的值修改

2. 处理 Python XML 文件的思路

1.读取&解码：

使用二进制模式读取 XML 文件，将文件变为二进制流
将二进制流使用.encode()方法，使用原文件的编码格式进行解析为字符串

2.处理标识头：使用.replace()方法，替换字符串中的eZHiPGbncoding="xxx"部分

3.编码&保存：将字符串使用新的编码格式进行保存

3. 实际过程中遇到的问题

GB2312 <–> UTF：无问题，可直接按照上面的逻辑处理
GBK <–> UTF8
- GBK --> UTF8：无问题，可直接按照上面的逻辑处理
- UTF8 --> GBK：.encode()会报错，要加上error="ignore"参数，忽略无法转换的字符
- 这里的原理是：GBK 编码兼容 UTF-8 编码，因此无法转换的内容使用 GBK 直接也能显示
GBK <–> GB2312：无问题

4. 最后使用的代码

# filepath -- 原文件路径
# savefilepath -- 转换后文件存储路径（默认 = 原文件路径）
# oldencoding -- 原文件的编码格式
# newencoding -- 转换后文件的编码格式
def convert_xml_encoding(filepat编程客栈h, savefilepath=filepath, oldencoding, newencoding):
    # Read the XML file
    with open(filepath, 'rb') as file:
        content = file.read()

    # Decode the content from old encoding
    # 出现错误时忽略 errors='ignore'
    decoded_content = content.decode(oldencoding, errors='ignore')
    # decoded_content = content.decode('GBK')


    # Update the encoding in the XML header
    updated_content = decodjavascripted_content.replace('encoding="{}"'.format(oldencoding),
                                               'encoding="{}"'.format(newencoding))

    # Encode the content to new encoding
    # 出现错误时忽略 errors='ignore'
    encoded_content = updated_content.encode(newencoding,errors='ignore')

    # Write the updated content to the file
    with open(savefilepath, 'wb') as file:
        file.write(encoded_content)

    # Result output
    print(f"XML file '{os.path.basename(filepath)}'({oldencowww.devze.comding}) --> '{os.path.basename(savefilepath)}'({newencoding})")

# ---------------------- 使用示例 ---------------------
# GBK --> javascriptutf-8
convert_xml_encoding开发者_开发学习(filepath, savefilepath1, 'GBK', 'utf-8')
# utf-8 --> gb2312
convert_xml_encoding(filepath, savefilepath1, 'utf-8', 'gb2312')
# GBK --> gb2312
convert_xml_encoding(filepath, savefilepath1, 'GBK', 'gb2312')

注意事项：