python - lxml.etree.XMLSyntaxError，文档标记为 UTF-16 但具有 UTF-8 内容

Question

lxml.etree.XMLSyntaxError, Document labelled UTF-16 but has UTF-8 content

我在 python 中使用 lxml lib 时收到错误。其他解决方案/黑客正在将文件 php.ini 中的 utf-16 替换为 utf-8。解决这个问题的Pythonic方法是什么？

Python 代码:

import lxml.etree as etree

tree =  etree.parse("req.xml")

req.xml:

<?xml version="1.0" encoding="utf-16"?>
<test 
    xmlns:xsd="http://www.w3.org/2001/XMLSchema" 
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"> 
</test>

Answer 1

查看 XMLParser 构造函数的文档:

>>> help(etree.XMLParser)

在其他选项中，有一个 encoding 参数，它允许您“覆盖文档编码”，如文档所述。

这正是您所需要的:

parser = etree.XMLParser(encoding='UTF-8')
tree = etree.parse("req.xml", parser=parser)

如果错误消息是正确的(即文档没有任何其他问题)，那么我希望它能够工作。