批量解析XML文件夹触发Parser Error，单个文件正常的原因及解决方法

可能的原因 #

• 文件夹中存在非XML格式文件：比如系统生成的隐藏文件（Mac的.DS_Store、Windows的Thumbs.db）、临时备份文件（如filename.bak、~filename.xml），这些文件不具备合法XML结构，解析时直接触发格式错误。
• 部分XML文件存在编码异常：文件实际编码与XML声明中的编码不符，或者开头带有不可见的BOM（字节顺序标记），导致解析器读取到无效字符。
• 个别XML文件为空或损坏：文件大小为0，或者内容被截断，开头没有合法的XML结构。
• 遍历路径问题：使用os.listdir仅获取文件名，若路径拼接有误，可能误读其他目录的非XML文件（不过你单个文件能正常解析，这个概率较低）。

对应的解决方法 #

1. 严格过滤XML文件 #

遍历文件夹时，只处理后缀为.xml的文件，同时排除隐藏文件：

import os

folder_path = "你的XML文件夹路径"
for filename in os.listdir(folder_path):
    # 过滤非XML文件和隐藏文件
    if not filename.endswith(".xml") or filename.startswith("."):
        continue
    file_path = os.path.join(folder_path, filename)
    # 调用你的parse_xml函数
    try:
        parse_xml(file_path)
    except Exception as e:
        print(f"处理文件{filename}出错: {str(e)}")

2. 处理编码和BOM问题 #

修改parse_xml函数，确保读取文件时正确处理编码和BOM：

import xmltodict

def parse_xml(file_path):
    # 使用utf-8-sig自动移除UTF-8 BOM，同时指定编码
    with open(file_path, "r", encoding="utf-8-sig") as f:
        content = f.read().strip()
        if not content:
            print(f"文件{file_path}为空，跳过")
            return None
        try:
            data = xmltodict.parse(content)
            return data
        except xml.parsers.expat.ExpatError as e:
            print(f"解析文件{file_path}失败: {str(e)}")
            return None

如果不确定文件编码，可借助chardet自动检测：

import xmltodict
import chardet

def parse_xml(file_path):
    with open(file_path, "rb") as f:
        raw_data = f.read()
        if not raw_data:
            print(f"文件{file_path}为空，跳过")
            return None
        # 自动检测编码
        detect_result = chardet.detect(raw_data)
        encoding = detect_result["encoding"] or "utf-8"
        # 移除UTF-8 BOM
        if encoding.lower().startswith("utf-8"):
            raw_data = raw_data.lstrip(b'\xef\xbb\xbf')
        content = raw_data.decode(encoding, errors="replace")
        try:
            data = xmltodict.parse(content)
            return data
        except xml.parsers.expat.ExpatError as e:
            print(f"解析文件{file_path}失败: {str(e)}")
            return None

3. 增加错误捕获与日志记录 #

批量处理时必须加入异常捕获，避免单个文件错误导致脚本终止，同时记录错误文件路径方便后续排查：

import logging
import os

# 配置日志文件
logging.basicConfig(filename="xml_parse_errors.log", level=logging.ERROR, format="%(asctime)s - %(message)s")

folder_path = "你的XML文件夹路径"
for filename in os.listdir(folder_path):
    if not filename.endswith(".xml") or filename.startswith("."):
        continue
    file_path = os.path.join(folder_path, filename)
    try:
        parse_xml(file_path)
    except Exception as e:
        error_msg = f"文件{file_path}解析错误: {str(e)}"
        print(error_msg)
        logging.error(error_msg)

4. 快速验证文件合法性（可选） #

对可疑文件，可先检查开头是否包含XML声明，快速过滤明显无效的文件：

def is_possible_xml(file_path):
    with open(file_path, "rb") as f:
        # 读取前100字节检查
        header = f.read(100).decode("utf-8", errors="ignore")
        return "<?xml" in header.lower()

# 在遍历中使用
if not filename.endswith(".xml") or filename.startswith(".") or not is_possible_xml(file_path):
    continue

内容的提问来源于stack exchange，提问作者ddp97