Python解析含西班牙语文本的XML转JSON时遇字符编码问题

核心原因 #

你碰到的乱码是典型的编码解码不匹配导致的：比如用UTF-8读取了实际为ISO-8859-1编码的文件，或是写入JSON时未正确处理字符编码，使得Unicode字符被错误转换。

分步解决方案 #

1. 确认XML文件的真实编码 #

先搞清楚你的XML文件实际使用的编码：

• 查看XML头部声明，比如<?xml version="1.0" encoding="ISO-8859-1"?>
• 如果没有声明，用VS Code等文本编辑器打开文件，查看右下角显示的编码标识。

2. 正确读取XML文件 #

读取时必须指定和文件实际一致的编码，避免系统默认编码干扰：

import xmltodict
import json

# 示例：若XML为ISO-8859-1编码
with open('productos.xml', 'r', encoding='iso-8859-1') as xml_file:
    xml_content = xml_file.read()

# 解析XML为字典
data_dict = xmltodict.parse(xml_content)

3. 写入JSON时确保UTF-8编码 #

使用json.dump时，设置ensure_ascii=False保留原字符，同时指定encoding='utf-8'写入：

# 生成JSON文件
with open('productos.json', 'w', encoding='utf-8') as json_file:
    json.dump(data_dict, json_file, ensure_ascii=False, indent=4)

4. 验证解析结果 #

如果仍有问题，可先打印字典内容确认字符是否正确：

print(data_dict['productos']['producto'])  # 检查是否显示Chócolo mazorca、Pimentón

常见错误排查 #

• 禁止混合编码：比如用UTF-8读ISO-8859-1文件，再用ISO-8859-1写JSON，会导致二次乱码
• 更新xmltodict到最新版本：旧版本可能存在编码处理bug，执行pip install --upgrade xmltodict
• 若XML无编码声明，优先尝试用latin-1读取（单字节编码不会丢失字符）

示例验证 #

假设你的XML内容如下：

<?xml version="1.0" encoding="ISO-8859-1"?>
<productos>
    <producto>Chócolo mazorca</producto>
    <producto>Pimentón</producto>
</productos>

用上述代码处理后，JSON文件会正确输出：

{
    "productos": {
        "producto": [
            "Chócolo mazorca",
            "Pimentón"
        ]
    }
}

内容的提问来源于stack exchange，提问作者CZarate29