cElementTree.ParseError：格式不正确（无效标记）

Question

我有一个大的XML文件（200万个对象的详细信息），其内容如下所示。文件大小为657MB

<?xml version="1.0" encoding="UTF-8?>
<root>
    <item>
        <rank>1</rank>
        <landinglink>www.google.com</landinglink>
        <descrip>some text</descrip>
    </item>
    <item>
        <rank>1</rank>
        <landinglink>www.facebook.com</landinglink>
        <descrip>some text</descrip>
    </item>
    <item>
        <rank>1</rank>
        <landinglink>www.xyz.com</landinglink>
        <descrip>some text</descrip>
    </item>
    .
    .
    .
    .
    .
    .
    .
</root>

我正在打印所有的“着陆链接”。我使用的代码如下所示。在

^{pr2}$

但是在执行代码时，它给了我以下错误。在

    Traceback (most recent call last):
  File "D:/test.py", line 2, in <module>
    for event, elem in ET.iterparse("filename.xml"):
  File "<string>", line 91, in next
cElementTree.ParseError: not well-formed (invalid token): line 1338, column 298

此错误在不同的位置不断重复。如何避免这类错误。任何帮助将不胜感激。在

Answer 1

（作为对以后读者的回答）

如果错误的标记值是\xA0，则文件没有正确编码为utf-8。
如果文件只有8位字符，则需要将XML声明更改为其他内容，可能是<?xml version="1.0" encoding="iso-8859-1" ?>。在