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
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)
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)