利用python处理xml -- 中文编码问题

今天发布了 protocol-displayer v1.1版本，为了保密，将整个xml文件转移到代码内部。结果就出错了。回忆起以前遇见的类似问题，上优快云社区查了一下自己以前的老帖子，果然找到了解决办法。今天就总结在这儿吧，免得以后不好找。

关于利用python处理带中文的xml文件

xml协会规定，所有xml解析器均需要支持utf-8和utf-16两种编码而不要求别的编码，估计python提供的xml处理模块就是不支持gb2312的。而windows下的中文文本文件，默认情况下一般为gb2312编码的，因此处理的时候，就会带来不方便的地方。解决办法是将整个xml文件弄成utf-8格式的，详细步骤如下：
   
解1：利用UltraEdit等工具，将xml文件转换成UTF-8的，然后encoding="utf-8"即可
   转换工具如果没有，用python可以简单写一个，比如
（以下代码转自 http://tenyears.cn/?cat=6 ）
－－－－－－－－－－
# -*- coding: mbcs -*-
import codecs
f = codecs.open(‘D://normal.txt’, ‘rb’, ‘mbcs’)
text = f.read().encode(‘utf-8′)
f.close
f = open(‘d://utf8.txt’, ‘wb’)
f.write(text)
f.close()
print text.decode(‘utf-8′).encode(‘gb2312′)
－－－－－－－－－－－－－－－－－

解2：xml文件里面不要写入encoding，保持为gb2312本地编码，然后程序解析的时候，采用语句
   unicode(file('f://temp//a.txt', 'r', 'gb2312').read(),'gb2312').encode('utf-8')
将整个文件转成utf-8的 String 来处理，处理结束后，利用
   unicode(string,'utf-8').encode('gb2312')
换成本地的gb码，再将结果写回文件。
   
另外，python2.4的普通函数处理字符串的时候，好像已经支持各种编码了。