Python,XML & Encoding
最近遇到一个比较郁闷的事情，终于解决了，这里记上一笔。使用Python处理xml文件时，我使用了是xml.dom.minidom。以前比较巧合的是，处理的XML都没有包含汉字。这次的XML文件里包含了汉字，并且由于项目的其他部分的原因，这里的XML必须使用gb2312编码的，于是，xml.dom.minidom不能解析了。在网上搜索得知，Python的库处理gb2312编码的XML文件时有问题，需要转换成utf-8。
content = content.decode('gb2312').encode('utf-8')
content = content.replace('encoding="gb2312"', 'encoding="utf-8"')
读取的问题解决了。
接下来，后来我对读出的数据进行一些处理后，再生成另外的XML的时候，问题又发生了，说有的地方编码方式错误。经过检查，发现原来使用getAttribute方法从node读出的字符串是unicode（utf-16）的。这里很让人困惑，因为之前都已经把文本转成了utf-8的，很自然让人觉得getAttribute拿出来的东西是utf-8的。于是，再次的在需要编码转换的地方加上encode&decode。
总结一下：
１）python的xml.dom.minidom对gb2312编码的XML文件支持不好，需要转换成utf-8。
２）从node使用getAttribute拿出的数据是unicode的，不是想当然的utf-8。
页:
[1]