lxml.etree：需要开始标记，'<' not found, line 1, column 1

Question

我想获取一些简单的 xml 文件并将它们一次性全部转换为 CSV（尽管此代码一次只适用于一个）。在我看来，好像没有官方名称空间，但我不确定。 我有这段代码（我使用了一个标头，

SubmittingSystemVendor

，但我真的想将它们全部写入 CSV：

import csv
import lxml.etree
x = r'C:\Users\...\jh944.xml'

with open('output.csv', 'w') as f:
    writer = csv.writer(f)
    writer.writerow('SubmittingSystemVendor')
    root = lxml.etree.fromstring(x)

    writer.writerow(row)

这是 XML 文件的示例：

<?xml version="1.0" encoding="utf-8"?>
<EOYGeneralCollectionGroup SchemaVersionMajor="2014-2015" SchemaVersionMinor="1" CollectionId="157" SubmittingSystemName="MISTAR" SubmittingSystemVendor="WayneRESA" SubmittingSystemVersion="2014" xsi:noNamespaceSchemaLocation="http://cepi.state.mi.us/msdsxml/EOYGeneralCollection2014-20151.xsd" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
    <EOYGeneralCollection>
        <SubmittingEntity>
            <SubmittingEntityTypeCode>D</SubmittingEntityTypeCode>
            <SubmittingEntityCode>82730</SubmittingEntityCode>
        </SubmittingEntity>

错误是：

lxml.etree：需要开始标记，'<' not found, line 1, column 1

Answer 1

您正在使用

lxml.etree.fromstring

，但给它一个文件路径作为参数。这意味着它试图将“C:\Users...\jh944.xml”解释为要解析的 XML 数据。

相反，您想要打开包含此 XML 的文件。您可以简单地将对

fromstring

的调用替换为

lxml.etree.parse

，它将接受文件名或打开的文件对象作为参数。

Answer 2

我也遇到了同样的问题，我花了几个小时试图解决它，最终我发现文件的编码是带有BOM的UTF-8，我使用UTF-8保存文件，问题就解决了。