web-dev-qa-db-ja.com

lxml.etree.XML Unicode文字列のValueError

an xml ドキュメントを xslt で変換しています。 python3でそれをしているときに、次のエラーが発生しました。しかし、私はpython2でエラーはありません

-> % python3 cstm/artefact.py
Traceback (most recent call last):
  File "cstm/artefact.py", line 98, in <module>
    simplify_this_dataset('fisheries-service-des-peches.xml')
  File "cstm/artefact.py", line 85, in simplify_this_dataset
    xslt_root = etree.XML(xslt_content)
  File "lxml.etree.pyx", line 3012, in lxml.etree.XML (src/lxml/lxml.etree.c:67861)
  File "parser.pxi", line 1780, in lxml.etree._parseMemoryDocument (src/lxml/lxml.etree.c:102420)
ValueError: Unicode strings with encoding declaration are not supported. Please use bytes input or XML fragments without declaration.

#!/usr/bin/env python3
# vim:fileencoding=UTF-8:ts=4:sw=4:sta:et:sts=4:ai
# -*- coding: utf-8 -*-

from lxml import etree

def simplify_this_dataset(dataset):
    """Create A simplify version of an xml file
    it will remove all the attributes and assign them as Elements instead
    """
    module_path = os.path.dirname(os.path.abspath(__file__))
    data = open(module_path+'/data/ex-fire.xslt')
    xslt_content = data.read()
    xslt_root = etree.XML(xslt_content)
    dom = etree.parse(module_path+'/../CanSTM_dataset/'+dataset)
    transform = etree.XSLT(xslt_root)
    result = transform(dom)
    f = open(module_path+ '/../CanSTM_dataset/otra.xml', 'w')
    f.write(str(result))
    f.close()
pythonpython-3.xunicodepython-3.4
13
Papouche Guinslyzinho
data = open(module_path+'/data/ex-fire.xslt')
xslt_content = data.read()

これにより、デフォルトのエンコーディングを使用して、ファイル内のバイトがUnicodeテキストに暗黙的にデコードされます。 （XMLファイルがそのエンコーディングでない場合、これは誤った結果をもたらす可能性があります。）

xslt_root = etree.XML(xslt_content)

XMLには、独自のエンコードと<?xml encoding="..."?>プロローグのためのシグナリングがあります。 <?xml encoding="..."?>で始まるUnicode文字列をパーサーに渡すと、パーサーはそのエンコーディングを使用して残りのバイト文字列を再解釈しようとしますが、バイト入力はすでにデコードされているためできません。 Unicode文字列。

代わりに、デコードされていないバイト文字列をパーサーに渡す必要があります。

data = open(module_path+'/data/ex-fire.xslt', 'rb')

xslt_content = data.read()
xslt_root = etree.XML(xslt_content)

または、より適切には、パーサーにファイルから直接読み取らせるだけです。

xslt_root = etree.parse(module_path+'/data/ex-fire.xslt')
24
bobince

UTF-8文字列をデコードし、それをetree.XMLに渡す前にASCIIでエンコードすることもできます。

 xslt_content = data.read()
 xslt_content = xslt_content.decode('utf-8').encode('ascii')
 xslt_root = etree.XML(xslt_content)
6
Josh Allemon

デフォルトのオプションで再エンコードするだけで機能しました

xslt_content = data.read().encode()
1
Loki