无法解码字节

Question

所以，我正在获取一些 xml 数据。一个这样的例子如下：

xmlString = '<location>san diego, ça</location>'

这目前是一个字符串。我现在需要使用 ElementTree 的 fromstring() 方法将其转换为 XML 对象。 导入如下：

import xml.etree.ElementTree as ET

方法调用为：

xml = ET.fromstring(xmlString)

我不断收到错误，说：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position xxx: 
ordinal not in range(128)

为了解决这个问题，我查看了 StackOverflow 以及 Python Docs。

似乎建议对字符串进行编码和解码。

xmlString = xmlString.encode('utf-8', 'ignore')
xmlString = xmlString.decode('ascii', 'ignore')

忽略是针对错误，但它们仍然会出现。这是在将 xmlString 转换为 xml 对象之前完成的。但是仍然出现错误！

有什么想法吗？

完整代码为：

xmlString = '<?xml version="1.0" encoding="UTF-8"?><o><location>san diego, ça</location>
</o>'
xmlString = xmlString.encode('utf-8', 'ignore')
xmlString = xmlString.decode('ascii', 'ignore')
xml = ET.fromstring(xmlString)

使用 Python 2.7

Answer 1

你打电话给str.encode()； Python 2 字符串已经 编码，因此 Python 尝试做正确的事情并首先 decode 到 unicode，然后它可以将值编码回为您的字节串。

此隐式解码使用默认编解码器ASCII：

>>> '<?xml version="1.0" encoding="UTF-8"?><o><location>san diego, ça</location></o>'.encode('utf8')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 62: ordinal not in range(128)

请注意，我调用了.encode()，但例外是UnicodeDecodeError； Python 首先在这里解码。

但是，因为ET.fromstring() 已经想要 UTF-8 编码字节，您根本不需要重新编码该值。

如果您在解析字符串值时遇到问题，请确保您在文本编辑器中使用正确的编解码器 UTF8 保存了 Python 源代码。