基于Python3 防止中文乱码的XML读取分析方式实现

1. XML文件格式简述

XML（Extensible Markup Language）中文意思为可扩展标记语言，标准通用标记语言的子集，是一种用于标记电子文件使其具有结构性的标记语言

通常情况下XML 文档的第一行是一个 XML 声明，这是文件的可选部分，它将文件识别为 XML 文件，有助于工具和人类识别 XML（不会误认为是 SGML 或其他标记）。可以将这个声明简单地写成 <?xml?>，或包含 XML 版本（<?xml version="1.0"?>），甚至包含字符编码，比如针对 Unicode 的 <?xmlversion="1.0" encoding="utf-8"?>

XML文件核心区域主要包括根元素、命名元素、嵌套元素以及元素的属性，本文中使用的文件内容如下所示

<?xml version="1.0"encoding="utf-8" standalone="yes" ?>

<root>

  <Item Value="这是一个测试"/>

  <ItemValue="This is a test"/>

</root>

2. 文件编码和内容编码

用UtraEdit创建新文件，内容填上如上所示的内容，并保存文件为类型为xml的文件。默认文件格式为Unicode。xml文件格式支持如下的几种类型

2.1  以ANSI方式存储

如果文件格式为ANSI/ASCII，则需要将Unicode转化成为ANSI方式以及指定为中文GBK字符集。