Python解析xml时抛出ascii编解码器无法编码

Question

我在 Python 中运行以下代码:

import xml.etree.ElementTree as ET
tree = ET.parse('dplp_11.xml')
root = tree.getroot()
f = open('workfile', 'w')
for country in root.findall('article'):
    rank = country.find('year').text
    name = country.find('title').text

    if(int(rank)>2009):
        f.write(name)
        auth = country.findall('author')
        for a in auth:
            #print str(a)
            f.write(a.text)
            f.write(',')
        f.write('\n')

我收到一个错误:

Traceback (most recent call last):
  File "parser.py", line 14, in <module>
    f.write(a.text)
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe1' in position 4: ordinal not in range(128)

我试图解析如下所示的 dblp 数据:

<?xml version="1.0"?>
<dblp>
<article mdate="2011-01-11" key="journals/acta/Saxena96">
<author>Sanjeev Saxena</author>
<title>Parallel Integer Sorting and Simulation Amongst CRCW Models.</title>
<pages>607-619</pages>
<year>1996</year>
<volume>33</volume>
<journal>Acta Inf.</journal>
<number>7</number>
<url>db/journals/acta/acta33.html#Saxena96</url>
<ee>http://dx.doi.org/10.1007/BF03036466</ee>
</article>
<article mdate="2015-07-14" key="journals/acta/BozapalidisFR12">
<author>Symeon Bozapalidis</author>
<author>Zoltán Fülöp 0001</author>
<author>George Rahonis</author>
<title>Equational weighted tree transformations.</title>
<pages>29-52</pages>
<year>2012</year>
<volume>49</volume>
<journal>Acta Inf.</journal>
<number>1</number>
<ee>http://dx.doi.org/10.1007/s00236-011-0148-5</ee>
<url>db/journals/acta/acta49.html#BozapalidisFR12</url>
</article>
</dblp>

如何解决？

Answer 1

a.text 是一个 Unicode 对象，但您试图将其写入普通的 Python 2 文件对象:

f.write(a.text)

f.write() 方法仅接受 byte 字符串(类型 str)，触发对 ASCII 编解码器的隐式编码，如果文本无法编码为 ASCII，则触发异常。

您需要使用可以对数据进行编码的编解码器对其进行显式编码，或者使用 io.open() 文件对象来为您进行编码。

显式编码为 UTF-8 可以，例如:

f.write(a.text.encode('utf8'))

或使用带有显式编码的io.open():

import io

# ...

f = io.open('workfile', 'w', encoding='utf8')

之后对 f.write() 的所有调用必须是 Unicode 对象；在任何文字字符串前添加 u 前缀:

for a in auth:
    f.write(a.text)
    f.write(u',')
f.write(u'\n')