名称中包含 unicode 和 lxml 的标签

Question

假设我有一个在标签名称中使用 Unicode 的文档，例如<año>2012</año> 。

当我使用 lxml 中的 etree 解析此类文档时，我没有问题，树已正确构建。 但是当（出于调试目的）我尝试打印一些元素时，我得到一个异常，关于将一些 unicode 字符编码为 ASCII 的尝试失败。

不是终端配置问题或文件编码错误，因为我可以毫无问题地打印节点名称 ( .tag )，它包含相同的 unicode 字符。 显然，这个问题是由元素 object 的“字符串化”引起的，它假定标签名称不是纯 ascii。

下面的代码显示了问题（并且还表明它不是文件/终端/编码问题）。

# coding: utf-8
from lxml import etree
doc = """<?xml version="1.0" encoding="utf-8"?>
<año>2012</año>
"""
x = etree.fromstring(doc)   # No problem
print x.tag                 # No problem
print x                     # Exception

在具有正确定义的 LC_CTYPE 的终端中运行上述脚本会产生以下 output：

año
Traceback (most recent call last):
  File "procesar.py", line 8, in <module>
    print x
UnicodeEncodeError: 'ascii' codec can't encode character u'\xf1' in position 10: ordinal not in range(128)

请注意print x.tag如何正确输出año 。 print x不应该产生类似<Element año at b7d26eb4>东西吗？

这是一个已知问题吗？ 关于解决方法的任何想法？

Answer 1

你必须在 output 之前将 unicode 字符串转换为字节串

尝试：

print unicode(x).encode('utf8')

引用unicode function ：

对于提供了 __unicode__() 方法的对象，它会在没有 arguments 的情况下调用该方法来创建一个 Unicode 字符串。 对于所有其他对象，请求 8 位字符串版本或表示，然后使用“严格”模式下的默认编码编解码器将其转换为 Unicode 字符串。