如何将Python中XML文件的编码从一种格式转换到另一种格式？

2026-04-13 09:452阅读0评论SEO资源

内容介绍
文章标签
相关推荐

本文共计857个文字，预计阅读时间需要4分钟。

1. Python中XML文件编码问题

1.Python的xml.etree.ElementTree库仅支持解析和生成标准的UTF-8编码的XML文件。

2.对于常见GBK或GB2312等中文编码的XML文件，使用该库在老旧系统中可能无法保证对中文的支持。

1. 在 Python 中 XML 文件的编码问题

1.Python 使用的xml.etree.ElementTree库只支持解析和生成标准的UTF-8格式的编码

2.常见GBK或GB2312等中文编码的 XML 文件，用以在老旧系统中保证 XML 对中文字符的记录能力

3.XML 文件开头有标识头，标识头指定了程序处理 XML 时应该使用的编码

4.要修改编码，不仅要修改文件整体的编码，还要将标识头中 encoding 部分的值修改

2. 处理 Python XML 文件的思路

1.读取&解码：

使用二进制模式读取 XML 文件，将文件变为二进制流
将二进制流使用.encode()方法，使用原文件的编码格式进行解析为字符串

2.处理标识头：使用.replace()方法，替换字符串中的encoding="xxx"部分

3.编码&保存：将字符串使用新的编码格式进行保存

3. 实际过程中遇到的问题

GB2312 <–> UTF：无问题，可直接按照上面的逻辑处理
GBK <–> UTF8

GBK --> UTF8：无问题，可直接按照上面的逻辑处理
UTF8 --> GBK：.encode()会报错，要加上error="ignore"参数，忽略无法转换的字符
这里的原理是：GBK 编码兼容 UTF-8 编码，因此无法转换的内容使用 GBK 直接也能显示

GBK <–> GB2312：无问题

4. 最后使用的代码

# filepath -- 原文件路径 # savefilepath -- 转换后文件存储路径（默认 = 原文件路径） # oldencoding -- 原文件的编码格式 # newencoding -- 转换后文件的编码格式 def convert_xml_encoding(filepath, savefilepath=filepath, oldencoding, newencoding): # Read the XML file with open(filepath, 'rb') as file: content = file.read() # Decode the content from old encoding # 出现错误时忽略 errors='ignore' decoded_content = content.decode(oldencoding, errors='ignore') # decoded_content = content.decode('GBK') # Update the encoding in the XML header updated_content = decoded_content.replace('encoding="{}"'.format(oldencoding), 'encoding="{}"'.format(newencoding)) # Encode the content to new encoding # 出现错误时忽略 errors='ignore' encoded_content = updated_content.encode(newencoding,errors='ignore') # Write the updated content to the file with open(savefilepath, 'wb') as file: file.write(encoded_content) # Result output print(f"XML file '{os.path.basename(filepath)}'({oldencoding}) --> '{os.path.basename(savefilepath)}'({newencoding})") # ---------------------- 使用示例 --------------------- # GBK --> utf-8 convert_xml_encoding(filepath, savefilepath2, 'GBK', 'utf-8') # utf-8 --> gb2312 convert_xml_encoding(filepath, savefilepath2, 'utf-8', 'gb2312') # GBK --> gb2312 convert_xml_encoding(filepath, savefilepath2, 'GBK', 'gb2312')

注意事项：

由于这里需要直接替换标识头，要求编码名称一定得完全匹配，否则替换会失败
如：GBK 不能写成 gbk，utf-8 不能写成 UTF8此代码仅在以上 GBK、GB2312、UTF-8 & 常用中英文基础上测试，其他的编码格式不保证一定能转换成功

标签：编码进行转