1.Python 使用的xml.etree.ElementTree
库只支持解析和生成标准的UTF-8格式的编码
2.常见GBK
或GB2312
等中文编码的 XML 文件,用以在老旧系统中保证 XML 对中文字符的记录能力
3.XML 文件开头有标识头,标识头指定了程序处理 XML 时应该使用的编码
4.要修改编码,不仅要修改文件整体的编码,还要将标识头中 encoding 部分的值修改
1.读取&解码:
使用二进制模式读取 XML 文件,将文件变为二进制流
将二进制流使用.encode()
方法,使用原文件的编码格式进行解析为字符串
2.处理标识头:使用.replace()
方法,替换字符串中的encoding="xxx"
部分
3.编码&保存:将字符串使用新的编码格式进行保存
GB2312 b3c7caaa7d260627f65c7975fd798d29 UTF:无问题,可直接按照上面的逻辑处理
GBK b3c7caaa7d260627f65c7975fd798d29 UTF8
GBK --> UTF8:无问题,可直接按照上面的逻辑处理
UTF8 --> GBK:.encode()会报错,要加上error="ignore"参数,忽略无法转换的字符
这里的原理是:GBK 编码兼容 UTF-8 编码,因此无法转换的内容使用 GBK 直接也能显示
GBK b3c7caaa7d260627f65c7975fd798d29 GB2312:无问题
# filepath -- 原文件路径 # savefilepath -- 转换后文件存储路径(默认 = 原文件路径) # oldencoding -- 原文件的编码格式 # newencoding -- 转换后文件的编码格式 def convert_xml_encoding(filepath, savefilepath=filepath, oldencoding, newencoding): # Read the XML file with open(filepath, 'rb') as file: content = file.read() # Decode the content from old encoding # 出现错误时忽略 errors='ignore' decoded_content = content.decode(oldencoding, errors='ignore') # decoded_content = content.decode('GBK') # Update the encoding in the XML header updated_content = decoded_content.replace('encoding="{}"'.format(oldencoding), 'encoding="{}"'.format(newencoding)) # Encode the content to new encoding # 出现错误时忽略 errors='ignore' encoded_content = updated_content.encode(newencoding,errors='ignore') # Write the updated content to the file with open(savefilepath, 'wb') as file: file.write(encoded_content) # Result output print(f"XML file '{os.path.basename(filepath)}'({oldencoding}) --> '{os.path.basename(savefilepath)}'({newencoding})") # ---------------------- 使用示例 --------------------- # GBK --> utf-8 convert_xml_encoding(filepath, savefilepath2, 'GBK', 'utf-8') # utf-8 --> gb2312 convert_xml_encoding(filepath, savefilepath2, 'utf-8', 'gb2312') # GBK --> gb2312 convert_xml_encoding(filepath, savefilepath2, 'GBK', 'gb2312')
注意事项:
由于这里需要直接替换标识头,要求编码名称一定得完全匹配,否则替换会失败
如:GBK 不能写成 gbk,utf-8 不能写成 UTF8此代码仅在以上 GBK、GB2312、UTF-8 & 常用中英文基础上测试,其他的编码格式不保证一定能转换成功
以上是Python中怎么对XML文件的编码进行转换的详细内容。更多信息请关注PHP中文网其他相关文章!