删除XML文件开头的BOM表标记

Question

我有一个XML文件，由于要使用lxml对其进行解析，因此我试图从中删除BOM。可以找到该文件的链接here。一些简化的代码是：

from lxml import etree

f = open(filename, "r")
ff = f.read()
fff = ff.encode('utf-8-sig')
ffff = fff.decode('utf-8')

tree = etree.fromstring(ffff)

我已经尝试按照此处的一些示例来处理此类实例，但是我仍然收到与开始时相同的错误：

lxml.etree.XMLSyntaxError: Start tag expected, '<' not found, line 1, column 1

我做错了什么？

谢谢

Answer 1

您当前的代码正在向后进行编码和解码，最后将BOM增加了一倍，而不是根本没有。您要使用常规utf-8进行编码，并使用utf-8-sig进行解码。

但是您可以通过直接从文件中直接进行解码来避免所有这些情况。试试：

f = open(filename, "r", encoding="utf-8-sig")
ff = f.read()

tree = etree.fromstring(ff)

Answer 2

据我所知，现在正在工作：

f = open(nfile, "r", encoding="utf-8-sig")
ff = f.read()
fff = ff.encode("utf-8")


tree = etree.fromstring(fff)