我有包含许多UTF-8xml文件的zip文件。这些文件大多有英文标签和文字,但也有少数标签包含非英文文字。打开zip文件并解析其中的xml文件没有问题,但是非英语文本会丢失它的编码。在
在记事本++中提取并打开xml文件时,非英语文本如下所示:
Курс карбованца к доллару не изменился на Украинской Межбанковской Валютной Бирже (УМВБ) - 176.100.
在Python中(在linux机器上)提取并读取时,文本如下所示:
^{pr2}$我的代码看起来像:
def parse(self, fp):
# open/decompress zip file
with zipfile.ZipFile(fp, 'r') as f:
# get all files in zip
comp_files = f.namelist()
for comp_file in comp_files:
cfp = f.open(comp_file, 'r')
# parse xml
tree = ElementTree.parse(cfp)
...parsing...
已经尝试过用cfi对文本进行编码codecs.EncodedFile()输入编码utf_8和utf_8_sig,无变化。我能做些什么来修正非英语文本?在
您看到的结果是UTF-8被错误地解码为拉丁语-1/iso-8859-1:
我将以下通过记事本++编码的文本保存为一个单独的文件,编码为UTF-8,不带BOM-zipfile:
^{pr2}$修改代码以使其可运行:
结果是:
所以在我看来,它只是在Linux机器上显示不正确,但是如果没有您正在使用的文件的实际示例,就很难进一步分析。在
相关问题 更多 >
编程相关推荐