Python中使用xml.sax解析器处理带有重音字符的问题

Question

以下代码会导致众所周知的“UnicodeDecodeError: 'ascii' codec can't decode”错误：

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

当

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

工作（文件“foo”的内容为<a>é</a>）。

我需要解析一个XML字符串，而不是一个文件。

有没有解决我的问题的方案？谢谢。

- erilem

Answer 1

一个文件包含字节，必须有一些编码来存储Unicode字符，因此请使用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。从技术上讲，使用非 Unicode 字符串：

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

由于字节字符串已经使用源文件编码，因此 b"example" 也可以正常工作，但这样会使意图更加清晰。源文件和 BytesIO 编码可能是不同的。

- Mark Tolonen