python - 如何在 Python-3.x 中解码文件？

Question

对于我的项目，我需要解析 xml 文件。为此，我使用 lxml。我需要解析的文件有一个 cp1251 编码，但是，当然，为了使用 lxml 解析它，我需要将它解码为 utf-8，我不知道该怎么做。我试图对此进行搜索，但所有解决方案都适用于 Python 2.7 或不起作用。如果尝试写类似的东西

inp = open("business.xml", "r", encoding='cp1251').decode('utf-8')

或者

inp.decode('utf-8')

它得到

builtins.AttributeError: '_io.TextIOWrapper' object has no attribute 'decode'

我有 Python 3.2。任何帮助都很好，谢谢。

Answer 1

open()为您解码文件。您已经收到 Unicode 数据。

因为lxml您需要以二进制模式打开文件，并让 XML 解析器处理编码。不要自己这样做。

with open("business.xml", "rb") as inp:
    tree = etree.parse(inp)

XML 文件包含一个标头以指示它们使用的编码，并且解析器会对此进行调整。如果缺少标头，解析器可以安全地假定 UTF-8。