Python解析xml文件遇到的編碼解析的問題

使用python對xml文件進行解析的時候，假設xml文件的頭文件是utf-8格式的編碼，那么解析是ok的，但假設是其它格式將會出現例如以下異常：

xml.parsers.expat.ExpatError: unknown encoding

因此，為了保證程序的正常執行，我們須要對讀取的文件進行編碼處理。

1、首先將讀取的字符從原來的編碼解析，並編碼成utf-8；

2、改動xml的encoding；

代碼例如以下：

import sys
import os
import datetime
import time
import string
from urllib import unquote
import MySQLdb

import xml.parsers.expat

import xml.etree.ElementTree as Etree

import types
import httplib
import urllib2
import urllib
import json
import re


def readDataFromNetwork(url):
	req = urllib2.Request(url)
	rd = urllib2.urlopen(req)
	readData = rd.read()
	return readData

# <![CDATA[ http://j.xywy.com/il_sii_27.htm ]]>
def parseXmlStr(_str):	
	try:
		# 將字符串進行解碼編碼
		_str = unquote(_str)
		_str = _str.decode('gbk').encode('utf-8')
		print _str[0:100]
	except Exception,ex:
		print 'error'

	# 改動xml文件的編碼方式
	_str = re.sub('gbk', 'utf-8', _str)


	xmlDoc = Etree.fromstring(_str)
	childList = xmlDoc.getchildren()

	for node in childList:
		str_value = node.find("display/url").text
		if str_value.find('CDATA') != -1:
			print 'haha'

輸出結果例如以下：

<?xml version="1.0" encoding="gbk" ?>
<DOCUMENT>
<item>
<key>百日咳</key>
<display>
<title>
<?xml version="1.0" encoding="utf-8" ?>
<DOCUMENT>
<item>
<key>百日咳</key>
<display>