3

我正在尝试使用解析器解析XMLa 。我知道还有其他库可以使用，但来自这个库是我最熟悉的，对我来说似乎最不复杂。URLxml.saxJava

我用来解析的代码如下：

parser = xml.sax.make_parser()
handler = MangaHandler()
parser.setContentHandler(handler)
url = urlfetch.Fetch('http://www.mangapanda.com/alphabetical', allow_truncated = False, follow_redirects = False, deadline = False)
xml.sax.parseString(url.content, handler)

一旦解析器到达第一个&符号，这将返回 SaxException（无效标记）：

SAXParseException: <unknown>:582:34: not well-formed (invalid token)

因为urlfetch返回一个字符串而不是一个流，所以我不能使用parse()（它只适用于流），而是留给它使用parseString()。要查看解析为流是否可以解决此问题，我尝试了：

parser.parse(io.StringIO(url.content).encode('utf-8'))

但这会返回：

TypeError: initial_value must be unicode or None, not str

我还尝试使用urllib2返回流而不是返回流的库，urlfetch但文件太大并且被自动截断，从而使我丢失了数据。

任何解决此问题的方法都将不胜感激，因为我花了几天时间绕过一个障碍，只是为了被另一个障碍阻止。

4

1 回答 1

0

在 python 2.X 中，str类型实际上是一个字节数组，可以包含任何编码字符串。

下载编码为 UTF8 的内容时，您通常会将其作为编码 str（如果未编码，则不能是str，因为str是单字节字符数组）。在这种情况下，您应该使用decode('utf8')将编码转换str为 (decoded) unicode，它基本上是一个两字节字符数组。

然后您可以将unicode实例放入io.StringIO实例中以创建类似对象的文件。

于 2014-11-20T23:46:52.440 回答