用美丽的汤处理 xml 的编码错误

Question

我的 xml 文件是这样编码的：

<?xml version="1.0" encoding="utf-8"?>

我正在尝试使用美丽的汤解析这个文件。

from bs4 import BeautifulSoup

fd = open("xmlsample.xml")  

soup = BeautifulSoup(fd,'lxml-xml',from_encoding='utf-8')

但这导致

Traceback (most recent call last):

  File "C:\Users\gregg_000\Desktop\Python 

Experiments\NRE_XMLtoCSV\NRE_XMLtoCSV\bs1.py", line 4, in <module>

    soup = BeautifulSoup(fd,'lxml-xml', from_encoding='utf-8')

  File 

"C:\Users\gregg_000\AppData\Local\Programs\Python\Python36\lib\site- 

包\bs4__init__.py”，第 245 行，在init markup = markup.read() 文件中

“C:\Users\gregg_000\AppData\Local\Programs\Python\Python36\lib\encodings\cp125 2.py”，第 23 行，在解码返回 codecs.charmap_decode(input,self.errors,decoding_table)[0] UnicodeDecodeError ：“charmap”编解码器无法解码位置 5343910 中的字节 0x9d：字符映射到未定义

我的感觉是 Python 想要使用默认的 cp1252 字符集。如何强制使用 utf-8 而不必求助于命令行？（我处于无法轻松强制对 python 设置进行全局更改的设置中）。

Answer 1

您还应该将编码添加到您的open()调用中（如文档所示，这是一个可接受的参数）。默认情况下，在 Windows 中（至少在我的安装中），如您所料，默认值为 cp1252。from bs4 import BeautifulSoupfd = open("xmlsample.xml", encoding='utf-8')soup = BeautifulSoup(fd,'lxml-xml',from_encoding='utf-8')