Python 中对 XML 文件的编码转换问题

 更新时间:2023年03月21日 09:45:54   作者:Lilixxs  
这篇文章主要介绍了Python 中对 XML 文件的编码转换问题,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

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GBKGB2312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

在这里插入图片描述

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encoding="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(filepath, 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 = decoded_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)}'({oldencoding}) --> '{os.path.basename(savefilepath)}'({newencoding})")

# ---------------------- 使用示例 ---------------------
# GBK --> utf-8
convert_xml_encoding(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:

  • 由于这里需要直接替换标识头,要求编码名称一定得完全匹配,否则替换会失败
  • 如:GBK 不能写成 gbk,utf-8 不能写成 UTF8此代码仅在以上 GBK、GB2312、UTF-8 & 常用中英文基础上测试,其他的编码格式不保证一定能转换成功

到此这篇关于Python 中对 XML 文件的编码转换的文章就介绍到这了,更多相关Python XML 文件编码转换内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python中的变量与内存用法

    python中的变量与内存用法

    这篇文章主要介绍了python变量与内存用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-06-06
  • python 特殊词汇过滤功能的实现

    python 特殊词汇过滤功能的实现

    这篇文章主要介绍了python 特殊词汇过滤功能的实现,这就利用了python其中一个功能强大之处可以方便集成很多的非标准库,本文给大家介绍的非常详细,需要的朋友可以参考下
    2022-07-07
  • 实例详解Matlab 与 Python 的区别

    实例详解Matlab 与 Python 的区别

    Python是一种面向对象的解释型计算机程序设计语言。这篇文章主要介绍了Matlab 与 Python 的区别及优势,感兴趣的朋友跟随小编一起看看吧
    2019-04-04
  • python中列表的常见操作梳理总结(一)

    python中列表的常见操作梳理总结(一)

    这篇文章主要介绍了python中列表的常见操作梳理总结,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下
    2022-07-07
  • 利用numpy和pandas处理csv文件中的时间方法

    利用numpy和pandas处理csv文件中的时间方法

    下面小编就为大家分享一篇利用numpy和pandas处理csv文件中的时间方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-04-04
  • 解决python3输入的坑——input()

    解决python3输入的坑——input()

    这篇文章主要介绍了解决python3输入的坑——input(),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-12-12
  • 使用python+poco+夜神模拟器进行自动化测试实例

    使用python+poco+夜神模拟器进行自动化测试实例

    这篇文章主要介绍了使用python+poco+夜神模拟器进行自动化测试实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-04-04
  • Python绘图示例程序中的几个语法糖果你知道吗

    Python绘图示例程序中的几个语法糖果你知道吗

    这篇文章主要为大家详细介绍了Python绘图示例程序中的几个语法糖果,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下,希望能够给你带来帮助
    2022-02-02
  • python ChainMap的使用详解

    python ChainMap的使用详解

    chainMap是逻辑上合并两个字典为一个逻辑单元,合并后的结构实际上是一个列表,只是逻辑上是仍然为一个字典(并未生成新的),对此列表的操作模拟了各种字典的操作,这篇文章主要介绍了python ChainMap的使用,需要的朋友可以参考下
    2023-03-03
  • 使用PyQt4 设置TextEdit背景的方法

    使用PyQt4 设置TextEdit背景的方法

    今天小编就为大家分享一篇使用PyQt4 设置TextEdit背景的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06

最新评论