2

假设我有一个在标签名称中使用 Unicode 的文档，例如<año>2012</año>.

当我使用 lxml 中的 etree 来解析这样的文档时，我没有问题，树是正确构建的。但是当（出于调试目的）我尝试打印一些元素时，我得到一个关于尝试将一些 unicode char 编码为 ASCII 失败的异常。

不是终端配置或文件编码错误的问题，因为我可以毫无问题地打印.tag包含相同 unicode 字符的节点 ( ) 的名称。显然问题是由 Element 对象的“字符串化”引起的，它假定标签名称是纯 ascii。

以下代码显示了问题（也表明它不是文件/终端/编码问题）。

# coding: utf-8
from lxml import etree
doc = """<?xml version="1.0" encoding="utf-8"?>
<año>2012</año>
"""
x = etree.fromstring(doc)   # No problem
print x.tag                 # No problem
print x                     # Exception

在具有正确定义的 LC_CTYPE 的终端中运行上述脚本，会产生以下输出：

año
Traceback (most recent call last):
  File "procesar.py", line 8, in <module>
    print x
UnicodeEncodeError: 'ascii' codec can't encode character u'\xf1' in position 10: ordinal not in range(128)

注意如何print x.tag正确输出año。不应该print x产生类似的东西<Element año at b7d26eb4>吗？

这是一个已知问题吗？关于解决方法的任何想法？

4

1 回答 1

4

您必须在输出之前将 unicode 字符串转换为字节字符串

尝试：

print unicode(x).encode('utf8')

引用unicode 函数：

对于提供 __unicode__() 方法的对象，它将不带参数调用此方法来创建 Unicode 字符串。对于所有其他对象，请求 8 位字符串版本或表示，然后使用“严格”模式下的默认编码的编解码器将其转换为 Unicode 字符串。
于 2012-04-10T16:03:30.467 回答