我需要从多个 xml 文件中检索大量信息。我正在尝试制作一个 webscraper,但我在编码时遇到了问题,同时仍然剥离了所有的命名空间(参见代码)。xml 文件的内容是用丹麦语编写的,并且包含特殊字符“æøå”。
如何在剥离命名空间的同时更改打印的 xml 数据的文件编码?
import urllib
from StringIO import StringIO
from xml.etree import ElementTree as ET
import re
url = "http://loremIpsum.co "
xmlString = urllib.urlopen(url).read() #data with namespaces
it = ET.iterparse(StringIO(xmlString))
for _, el in it:
if '}' in el.tag:
el.tag = el.tag.split('}', 1)[1] # strip all namespaces
root = it.root
print root.findtext("loremIpsum/loremIpsum")
root.findtext("loremIpsum/loremIpsum")
如果是特殊字符“ø”,则当前打印输出:
u'\xd8
预期输出:
ø