XML数据中某些特殊字符的“ParseError:格式不正确”错误

Question

我有以下代码来清理日志文件以从中获取XML（日志文件格式不好，没有根），然后解析并执行其他功能。清理工作正常，但XML解析器对一些包含特殊字符的XML数据抛出了错误。我的代码如下：

with open(log_file, 'r') as fr, open('XMLinLog2.xml', 'w') as fw:
    fw.write("<document>\n")

    for line in fr:
        if line.strip().startswith('<'):
            fw.write('\t' + line)
    fw.write("\n</document>")

# --- Parsing Log files after cleanup ---

doc = ET.parse('XMLinLog2.xml')

日志文件中抛出错误的xml数据为； （1） Ops Désactivée 23:59和（2）[mono@90°>；+1 在日志文件中清理后显示为Ops D�萨蒂夫�e 23:59和[mono@90� >；>；+1分别。 所以我明白了� 性格导致问题。 问题:

1. 我如何处理这个错误
2. 如果我需要打印这些数据，如何才能正确打印？我不想打印�. 因为我假设每当我收到法语文本时，它都会抛出错误

此处出现完整错误： 退赛（最近一次呼叫最后一次）： 文件“C:/Users/PycharmProjects/IMSS_TestHarness/Libraries/try.py”，第23行，在 doc=ET.parse（'XMLinLog2.xml'） 文件“C:\Users\AppData\Local\Programs\Python38-32\lib\xml\etree\ElementTree.py”，第1202行，在parse中 parse（源，解析器） 文件“C:\Users\AppData\Local\Programs\Python38-32\lib\xml\etree\ElementTree.py”，第595行，在parse中 self.\u root=parser.\u parse\u整体（源） xml.etree.ElementTree.ParseError:格式不正确（无效令牌）：第3299行第22列

进程已完成，退出代码为1

日志文件：

1.  2020-08-03 15:59:54.635 (72 ,Effective Commit) Info          Sending:
<U_DisplayCommand>
  <DestinationId>5035</DestinationId>
  <DisplayId>1</DisplayId>
  <LineTextEnglish>
    <Line>Ops Disabled 23:59 N</Line>
  </LineTextEnglish>
  <LineTextFrench>
    **<Line>Ops Désactivée 23:59</Line>**
  </LineTextFrench>
</U_DisplayCommand>

<U_DisplayCommand>
  <DestinationId>5085</DestinationId>
  <DisplayId>1</DisplayId>
  <LineTextEnglish>
    <Line>Vaudreuil-Dori P123A</Line>
    <Line>[ mono @ 90° &gt;&gt; +1</Line>
  </LineTextEnglish>
  <LineTextFrench>
    <Line>Vaudreuil-Dori P123A</Line>
    <Line>[ mono @ 90° &gt;&gt; +1</Line>
  </LineTextFrench>
</U_DisplayCommand>

提前谢谢

Answer 1

实际上，添加编码对我来说很有效

with open(log_file, 'r') as fr, open('XMLinLog2.xml', 'w', encoding='utf-8') as fw:
    fw.write("<document>\n")

    for line in fr:
        if line.strip().startswith('<'):
            fw.write('\t' + line)
    fw.write("\n</document>")

#  - Parsing Log files after cleanup  -

doc = ET.parse('XMLinLog2.xml')