Xml Python-格式不正確

Question

我有以下代碼：

import requests
from xml.dom.minidom import parseString
site = 'test.com'
r = requests.get('http://bar-navig.yandex.ru/u?ver=2&url=http://%s&show=1' % (site))
#print r.text.encode('utf-8')
xmldoc = parseString(r.text.encode('utf-8'))
print xmldoc.getElementsByTagName('tcy')[0].attributes['value'].value

因此，它可以工作，但是如果我在site ，例如'vk.com'或'google.ru' ，則會出現錯誤： xml.parsers.expat.ExpatError: not well-formed (invalid token) 。

如何解決？ 謝謝。

Answer 1

這是一個編碼問題。 除非另有說明，否則XML應該基於ASCII。 特別是，此XML源指定將其編碼為windows-1251 。

嘗試這個：

parseString(r.text.encode('windows-1251'))

然后可以對其進行解析。

Minidom不是很聰明，否則在傳遞unicode時，它就能自行弄清楚（無效）。

Answer 2

我嘗試使用iso-8859-1以外的'utf-8'和'utf-16'編碼，但它不起作用（對於某些印度網站，盡管我未能注意到它們上的任何非ascii字符） 。 但是我改用硒，一切都解決了。 避免輕巧也不是那么困難，因為硒的界面與輕巧非常相似。 干杯!