基本上我正在尝试将 xml 文件中包含“Account”的所有行转换为小写并将其写回文件。
我的 XML 看起来像这样:
<?xml version="1.0" encoding="UTF-8"?>
<TRAINERERADMINSTRATIONOBJECTS>
<TRAINERLIST>
<TRAINER>
<Account>Täst</Account>
<Mark>pUIPBPp8TWw=</Mark>
<Type>lala</Type>
<Business>sghs</Business>
</TRAINER>
</TRAINERLIST>
</TRAINERADMINSTRATIONOBJECTS>
如您所见,源文件是 UTF-8 格式的! “帐户”行中有“äüö”。
我的代码:
# -*- coding: utf-8 -*-
with open("buht.xml", "r") as s:
for line in s:
if 'Account' in line:
s = open("buht.xml").read().decode('utf-8')
s = s.replace(line, line.decode('utf-8').lower())
f = open("buht.xml", 'w')
f.write(s)
f.close()
出现此错误:
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe4'
我试图在脚本中的任何地方解码(并拼命编码)它,但它不起作用。
请您参考如下方法:
正如 tdelaney 在评论中提到的,您的代码存在几个问题。您以读取模式打开文件,但随后在 for 循环中,当您在当前行中检测到“Account”时,您尝试再次打开它,然后您尝试以写入模式再次打开它;那是行不通的。
有多种方法可以满足您的需求,但这里有一个适用于 Python 2.6 的解决方案。我已将您的示例数据保存到名为“test.xml”的 UTF-8 编码文件中。
import re
iname = "test.xml"
oname = "test_out.xml"
pat = re.compile('(\s*<Account>)(.*?)(</Account>\s*)', re.U)
with open(iname, "rb") as fin:
with open(oname, "wb") as fout:
for line in fin:
line = line.decode('utf-8')
m = pat.search(line)
if m:
g = m.groups()
line = g[0] + g[1].lower() + g[2]
fout.write(line.encode('utf-8'))
test_out.xml 的内容
<?xml version="1.0" encoding="UTF-8"?>
<TRAINERADMINSTRATIONOBJECTS>
<TRAINERERLIST>
<TRAINER>
<Account>täst</Account>
<Mark>pUIPBPp8TWw=</Mark>
<Type>lala</Type>
<Business>sghs</Business>
</TRAINERER>
</TRAINERLIST>
</TRAINERADMINSTRATIONOBJECTS>
我正在使用 Regular Expression找到目标行并进行替换。请注意,它通常是 very bad idea to use RegEx on XML / HTML ,但如果您可以保证输入数据将始终采用简单、已知的格式,您就可以摆脱它。
