XML寫入文件UnicodeDecodeError Python 2.7.3

Question

我搜索了網站，但沒有找到適合我的答案。 我的問題是我正在嘗試將xml寫入文件，當我從終端運行腳本時，我得到：

Traceback (most recent call last):
File "fetchWiki.py", line 145, in <module>
pageDictionary = qSQL(users_database)
File "fetchWiki.py", line 107, in qSQL
writeXML(listNS)
File "fetchWiki.py", line 139, in writeXML
f1.write(doc.toprettyxml(indent="\t", encoding="utf-8"))       
File "/usr/lib/python2.7/xml/dom/minidom.py", line 57, in toprettyxml
self.writexml(writer, "", indent, newl, encoding)
File "/usr/lib/python2.7/xml/dom/minidom.py", line 1751, in writexml
node.writexml(writer, indent, addindent, newl)
----//---- more lines in here ----//----
self.childNodes[0].writexml(writer, '', '', '')
File "/usr/lib/python2.7/xml/dom/minidom.py", line 1040, in writexml
_write_data(writer, "%s%s%s" % (indent, self.data, newl))
File "/usr/lib/python2.7/xml/dom/minidom.py", line 297, in _write_data
writer.write(data)
File "/usr/lib/python2.7/codecs.py", line 351, in write
data, consumed = self.encode(object, self.errors)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc2 in position 1176: ordinal not
in range(128)

這是從下面的代碼：

doc = Document()

base = doc.createElement('Wiki')
doc.appendChild(base)

for ns_dict in listNamespaces: 
    namespace = doc.createElement('Namespace')
    base.appendChild(namespace)
    namespace.setAttribute('NS', ns_dict)

    for title in listNamespaces[ns_dict]:

        page = doc.createElement('Page')
        try:
            title.encode('utf8')
            page.setAttribute('Title', title)
        except:
            newTitle = title.decode('latin1', 'ignore')
            newTitle.encode('utf8', 'ignore')
            page.setAttribute('Title', newTitle)

        namespace.appendChild(page)
        text = doc.createElement('Content')
        text_content = doc.createTextNode(listNamespaces[ns_dict][title])
        text.appendChild(text_content)
        page.appendChild(text)

    f1  = open('pageText.xml', 'w')
    f1.write(doc.toprettyxml(indent="\t", encoding="utf-8"))       
    f1.close()

使用或不使用“編碼/解碼” igonore”參數，都會發生錯誤。 添加

# -*- coding: utf-8 -*- 

沒有幫助。

我使用Eclipse和Pydoc創建了python文檔，它沒有任何問題，但是當我從終端運行時它出錯了。

非常感謝任何幫助，包括我沒有找到的答案的鏈接。

謝謝。

Answer 1

您不應編碼用於屬性的字符串。 minidom庫在編寫時會為您處理。

您的錯誤是由字節串與unicode數據混合引起的，並且您的編碼字節串不能以ASCII格式解碼。

如果您的某些數據是編碼的，並且其中一些數據是unicode ，請首先嘗試避免這種情況。 如果您無法避免必須處理混合數據，請執行以下操作：

page = doc.createElement('Page')
if not isinstance(title, unicode):
    title = title.decode('latin1', 'ignore')
page.setAttribute('Title', title)

請注意，您不需要使用doc.toprettyxml() ; 您可以指示doc.writexml()為您縮進XML：

import codecs
with codecs.open('pageText.xml', 'w', encoding='utf8') as f1:
    doc.writexml(f1, indent='\t', newl='\n')