xml.dom.minidom 写入 xml 文本会报错， UnicodeEncodeError: 'gbk' codec can't encode character

[amiwrong123]

xml 文件如下：

<?xml version="1.0" ?>
<Floor floorNumber="1" floorRefId="723413320329068590" isOutdoor="false" name="DevNetZone" objectVersion="19">
    <Dimension height="16.5" length="81.9" offsetX="0.0" offsetY="0.0" unit="FEET" width="307.0"/>
    <Image imageName="domain_0_1421088463647.png"/>
    <GPSMarker name="GPS_Marker_17">
        <GeoCoordinate latitude="36.125859" longitude="-97.066969" unit="DEGREES"/>
        <MapCoordinate unit="FEET" x="0.6" y="0.6"/>
    </GPSMarker>

    <assign expr="split('&#xFFFD;')"/>
</Floor>

程序如下：就是单纯读取一个 xml，再一模一样地写入一个新的 xml 文件里。

from xml.dom.minidom import parse

domTree = parse("test.xml")

with open('new.xml', 'w') as f:
    # 缩进 - 换行 - 编码
    domTree.writexml(f, addindent='  ', encoding='utf-8')#这里会报错,去掉 encoding 参数也一样

报错信息如下：

UnicodeEncodeError: 'gbk' codec can't encode character '\ufffd' in position 7: illegal multibyte sequence

就因为 xml 文件有这么个 FFFD，所以才报错。但现在不知道咋解决。难道应该 parse 函数加个 encoding 参数吗，就不能把这个 FFFD 当成字符串来读取吗。。

各位大佬帮忙看看吧，有点蒙。

[xiaolinjia]

with open('new.xml', 'w', encoding='utf-8') as f:
# 缩进 - 换行 - 编码
domTree.writexml(f, addindent=' ')
打开文件的时候就指定编码吧。

[amiwrong123]

@xiaolinjia #1
貌似这个 parse 函数，没有这样的参数。。

[xiaolinjia]

@amiwrong123 我说的 open 函数啊。

[amiwrong123]

@xiaolinjia #3
哈哈，不好意思，刚才眼瞎了。谢谢，解决了。

[amiwrong123]

@xiaolinjia #3
<img src="https://s3.ax1x.com/2021/01/13/sNQ8gJ.png" alt="sNQ8gJ.png" border="0" />
不对，没有解决。只是回避了问题，现在执行不报错了，但这是因为忽略掉了 utf8 不认识的字符了，现在生成的新文件，变成这个了。

[xiaolinjia]

@amiwrong123 可是，'&#xFFFD;'本来就是'�'这个吧

[amiwrong123]

@xiaolinjia #6
好吧，那有点好奇，为啥不是按照'&#xFFFD;'来显示，而是直接显示这个特殊字符了。就因为转了一下吗

[ysc3839]

@amiwrong123 你设置了 encoding=utf-8，这个字符能在 utf-8 中表示，所以就不用转义了。
如果一定要转义的话，用 ascii 编码。

[est]

gbk 一般都是 windows 搞出来的问题。2333

[amiwrong123]

@ysc3839 #8
with open('new.xml', 'w',encoding='ascii') as f:
# 缩进 - 换行 - 编码
domTree.writexml(f, addindent=' ', encoding='ascii')

这样子，会直接报错的。UnicodeEncodeError: 'ascii' codec can't encode character '\ufffd' in position 7: ordinal not in range(128).

[ysc3839]

@amiwrong123 那可能是 xml 库不支持？印象中设置成 ascii 编码，就会把非 ascii 字符都转义输出的。

[zyb201314]

#二进制读取.
f=open ("new.xml","wb")
for i in open("output.xml","rb"):
f.write(i)

f.close()