无法使用 BS4 解析 1 MB XML 文件

Question

我有两张世界的 SVG 地图，下载 here。我的目标是在 python 中对这些地图进行一些编辑，通过 BeautifulSoup4 使用它们。这与低分辨率文件 (132.5 Kb) 完美配合。但是，当我尝试将 BS4 解析器（使用 lxml）与高分辨率文件 (1.2 Mb) 一起使用时，它会完全失败。

代码是这样的：

    import lxml
    from bs4 import BeautifulSoup as Soup
    with open('worldHigh.svg','r') as f:
        handler = f.read()
        soup = Soup(handler,'xml')
        print(soup.prettify())

当我使用 worldHigh.svg 文件运行它时，唯一打印的内容是

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

当我运行等效但将 worldHigh.svg 更改为 worldLow.svg 时，它会正确打印 XML（根据需要）。

两个 SVG 文件在自行打开时都可以正常工作（即，它们显示地图）。但是，当我尝试解析它时，一个失败，另一个成功。我不知道出了什么问题。如果解析器在大尺寸下失败，我会理解，但 1.2 MB 似乎并不大。

Answer 1

XML 解析器需要未编码字节的原始序列。解析 XML 时使用open(...,'rb')。

一个有效而另一个无效的原因是worldHigh.svg在文件开头有一个BOM。