xml - 在 App Engine 上使用 Python SAX 解析 unicode XML

Question

我使用 xml.sax 和 XML 的 unicode 字符串作为输入，最初是从 Web 表单输入的。在我的本地机器上(python 2.5，使用默认的 xmlreader expat，通过应用引擎运行)，它工作正常。但是，生产应用引擎服务器上完全相同的代码和输入字符串会因“格式不正确”而失败。例如，它发生在下面的代码中:

from xml import sax
class MyHandler(sax.ContentHandler):
  pass

handler = MyHandler()
# Both of these unicode strings return 'not well-formed' 
# on app engine, but work locally
xml.parseString(u"<a>b</a>",handler) 
xml.parseString(u"<!DOCTYPE a[<!ELEMENT a (#PCDATA)> ]><a>b</a>",handler)

# Both of these work, but output unicode
xml.parseString("<a>b</a>",handler) 
xml.parseString("<!DOCTYPE a[<!ELEMENT a (#PCDATA)> ]><a>b</a>",handler)

导致错误:

  File "<string>", line 1, in <module>
  File "/base/python_dist/lib/python2.5/xml/sax/__init__.py", line 49, in parseString
    parser.parse(inpsrc)
  File "/base/python_dist/lib/python2.5/xml/sax/expatreader.py", line 107, in parse
    xmlreader.IncrementalParser.parse(self, source)
  File "/base/python_dist/lib/python2.5/xml/sax/xmlreader.py", line 123, in parse
    self.feed(buffer)
  File "/base/python_dist/lib/python2.5/xml/sax/expatreader.py", line 211, in feed
    self._err_handler.fatalError(exc)
  File "/base/python_dist/lib/python2.5/xml/sax/handler.py", line 38, in fatalError
    raise exception
SAXParseException: <unknown>:1:1: not well-formed (invalid token)

同样使用 python2.5 和 expat 的 App Engine 的解析器在输入 unicode 时会失败的原因是什么？

Answer 1

你不应该解析一个 unicode 字符串，你应该解析一个 UTF-8 编码的字符串。根据 XML 1.0 规范，默认情况下，unicode 字符串不是格式正确的 XML。因此，在将其提供给解析器之前，您需要将 unicode 转换为 UTF-8 编码。