Python2.6.6的ElementTree输出xml中汉字变成&#xxxx的问题

Python2.6.6的ElementTree输出xml中汉字变成&#xxxx的问题:
# coding: gbk
import xml.etree.ElementTree as ET
 
rootelem = ET.Element("SystemList")
organization = ET.SubElement(rootelem, "Organization")
 
organization.attrib["label"] = "<空>"
organization.attrib["id"] = "-1"
organization.text = "测试"
 
print ET.tostring(rootelem, encoding="gbk")

输出:

²âÊÔ
 
但在Eclipse里运行没问题,输出:
 
">测试
 
分析:
首先查阅xml.etree.ElementTree的源码,发现制造出“&#”的是其中的_encode_entity()函数:
 
def _encode_entity(text, pattern=_escape):
    # map reserved and non-ascii characters to numerical entities
    def escape_entities(m, map=_escape_map):
        out = []
        append = out.append
        for char in m.group():
            text = map.get(char)
            if text is None:
                text = "&#%d;" % ord(char)
            append(text)
        return string.join(out, "")
    try:
        return _encode(pattern.sub(escape_entities, text), "ascii")
    except TypeError:
        _raise_serialization_error(text)

在_escape_attrib()函数里,会调用上面的_encode_entity()函数:

def _escape_attrib(text, encoding=None, replace=string.replace):
    # escape attribute value
    try:
        if encoding:
            try:
                text = _encode(text, encoding)
            except UnicodeError:
                return _encode_entity(text)
        text = replace(text, "&", "&")
        text = replace(text, "'", "'") # FIXME: overkill
        text = replace(text, "\"", """)
        text = replace(text, "<", "<")
        text = replace(text, ">", ">")
        return text
    except (TypeError, AttributeError):
        _raise_serialization_error(text)

而ElementTree类的_write()函数里,会调用上面这个_escape_attrib()函数,所以导致了¿Õ这些字符的出现。

那么为什么会去调用_encode_entity()这个函数呢?
在_escape_attrib()函数的代码里可以看到,函数是先尝试去调用_encode()函数的,失败了才会调用_encode_entity()。
 
那么我们来看看_encode()函数:
 
def _encode(s, encoding):
    try:
        return s.encode(encoding)
    except AttributeError:
        return s # 1.5.2: assume the string uses the right encoding

s="<空>",类型是str,encoding="gbk"

这时 s.encode(encoding) 会失败,因为python会先尝试将str转变为unicode,再调用其encode方法。而在转换的时候默认是按sys.getdefaultencoding()的编码转换的,python命令行下,这个编码是ascii,在Eclipse里,这个编码是系统默认编码(中文Windows下是gbk)。
 
在python命令行下执行 "<空>".encode("gbk") :
 
而在Eclipse里运行时,相当于已经预先执行了:
 
import sys
reload(sys)
sys.setdefaultencoding("gbk")

所以"<空>"在转换到unicode时,不会失败。

 
问题清楚了,怎么解决呢?
有两个方法:
1. 像在Eclipse里运行一样,手动添加上面三行代码,把系统默认编码从ascii变为gbk。但是这样可能会导致其他第三方库的一些兼容性问题,有可能发生某些错误的时候不能正常输出日志了。
2. 修改ElementTree的_encode()函数,改成下面这样:
 
def _encode(s, encoding):
    try:
        if isinstance(s, str):
            return s
 
        return s.encode(encoding)
    except AttributeError:
        return s # 1.5.2: assume the string uses the right encoding

可以把上面这个函数定义在自己的py文件里,然后在

import xml.etree.ElementTree as ET
后,执行:
ET._encode = _encode
覆盖掉ElementTree的_encode()函数。
但是这个方法对
import xml.etree.cElementTree as ET
无效。
 

转载于:https://www.cnblogs.com/ddgg/archive/2013/05/22/3093285.html

你可能感兴趣的:(python,开发工具,操作系统)