我該如何正確編碼？

Question

我有一個帶有俄語文本的XML文件：

<p>все чашки имеют стандартный посадочный диаметр - 22,2 мм</p>

我使用xml.etree.ElementTree進行了各種操作（無需接觸文本內容）。 然后，我使用ElementTree.tostring ：

info["table"] = ET.tostring(table, encoding="utf8") #table is an Element

然后，我對該字符串進行其他處理，最后將其寫入文件

f = open(newname, "w")
output = page_template.format(**info)
f.write(output)
f.close()

我將其保存在文件中：

<p>\xd0\xb2\xd1\x81\xd0\xb5 \xd1\x87\xd0\xb0\xd1\x88\xd0\xba\xd0\xb8 \xd0\xb8\xd0\xbc\xd0\xb5\xd1\x8e\xd1\x82 \xd1\x81\xd1\x82\xd0\xb0\xd0\xbd\xd0\xb4\xd0\xb0\xd1\x80\xd1\x82\xd0\xbd\xd1\x8b\xd0\xb9 \xd0\xbf\xd0\xbe\xd1\x81\xd0\xb0\xd0\xb4\xd0\xbe\xd1\x87\xd0\xbd\xd1\x8b\xd0\xb9 \xd0\xb4\xd0\xb8\xd0\xb0\xd0\xbc\xd0\xb5\xd1\x82\xd1\x80 - 22,2 \xd0\xbc\xd0\xbc</p>

如何正確編碼？

Answer 1

你用

 info["table"] = ET.tostring(table, encoding="utf8")

它返回bytes 。 然后，您將其應用於格式字符串，即str （unicode），如果這樣做，最終將得到bytes對象的表示形式。

如果您使用etree，則可以返回unicode對象：

 info["table"] = ET.tostring(table, encoding="unicode")

Answer 2

問題在於ElementTree.tostring返回的是二進制對象，而不是實際的字符串。 答案是：

info["table"] = ET.tostring(table, encoding="utf8").decode("utf8")

Answer 3

試試看-輸出參數只是不帶utf-8編碼的俄語字符串。

import codecs
#output=u'все чашки имеют стандартный посадочный диаметр'
with codecs.open(newname, "w", "utf-16") as stream: #or utf-8
    stream.write(output + u"\n")