Python解析xml文件遇到的编码解析的问题

使用python对xml文件进行解析的时候，假设xml文件的头文件是utf-8格式的编码，那么解析是ok的，但假设是其它格式将会出现例如以下异常：

xml.parsers.expat.ExpatError: unknown encoding

因此，为了保证程序的正常执行，我们须要对读取的文件进行编码处理。

1、首先将读取的字符从原来的编码解析，并编码成utf-8；

2、改动xml的encoding；

代码例如以下：

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:
# 将字符串进行解码编码
_str = unquote(_str)
_str = _str.decode('gbk').encode('utf-8')
print _str[0:100]
except Exception,ex:
print 'error'

# 改动xml文件的编码方式
_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'

输出结果例如以下：

<?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>