带有强调字符的 python xml.sax 解析问题

Question

以下代码会导致众所周知的“UnicodeDecodeError:‘ascii’编解码器无法解码”错误:

import xml.sax
import io
parser = xml.sax.make_parser()
parser.parse(io.StringIO(u'<a>é</a>'))

同时

import xml.sax
parser = xml.sax.make_parser()
parser.parse(open('foo'))

有效(文件“foo”的内容是 <a>é</a> )。

在我的例子中，我需要解析 XML 字符串，而不是文件。

我的问题有什么解决方案吗？谢谢。

Answer 1

文件包含字节，必须有一些编码来存储 Unicode 字符，所以使用 BytesIO对象代替:

#coding: utf8
import xml.sax 
import io 
parser = xml.sax.make_parser() 
parser.parse(io.BytesIO(u'<a>é</a>'.encode('utf8')))

注意:#coding: utf8指定了源文件的编码； .encode('utf8') 指定要存储在 BytesIO 对象中的 Unicode 字符串的编码。技术上使用非 Unicode 字符串:

#coding: utf8
parser.parse(io.BytesIO('<a>é</a>'))

也会起作用，因为字节字符串已经在源文件编码中，但它使意图更清晰。源文件和 BytesIO 编码可能不同。