用漂亮的汤处理xml编码错误

Question

我的xml文件编码如下：

<?xml version="1.0" encoding="utf-8"?>

我正在尝试使用漂亮的汤解析此文件。

from bs4 import BeautifulSoup

fd = open("xmlsample.xml")  
soup = BeautifulSoup(fd,'lxml-xml',from_encoding='utf-8')

但这导致

Traceback (most recent call last):
  File "C:\Users\gregg_000\Desktop\Python 
Experiments\NRE_XMLtoCSV\NRE_XMLtoCSV\bs1.py", line 4, in <module>
    soup = BeautifulSoup(fd,'lxml-xml', from_encoding='utf-8')
  File 
"C:\Users\gregg_000\AppData\Local\Programs\Python\Python36\lib\site- 

包\bs4__init__.py“，第 245 行，初始化标记 = 标记.read（） 文件

“C:\ Users \ Gregg _ 000 \ AppData \ Local \ Programs \ Python \ Python 36 \ lib \ encodings \ CP 125 2 . py”，第23行，在decode return codecs . charmap _ decode(input，self.errors，decoding _ table)[0]unicode decode错误:“charmap”编解码器无法解码位置5343910处的字节0x9d:字符映射到未定义的

我的感觉是Python希望使用默认的cp1252字符集。如何在不使用命令行的情况下强制使用utf-8？（我所处的环境中，无法轻松强制对python设置进行全局更改）。

Answer 1

您还应该将编码添加到 open（） 调用中（如文档所示，这是一个可接受的参数）。默认情况下，在Windows中（至少在我的安装中），正如您所猜测的那样，默认值为cp1252。

from bs4 import BeautifulSoup

fd = open("xmlsample.xml", encoding='utf-8')
soup = BeautifulSoup(fd,'lxml-xml',from_encoding='utf-8')