Python脚本转换WXR为TXT时触发TypeError：write()需str而非bytes

让我们一步步解决你遇到的问题：

首先修复TypeError错误 #

你遇到的TypeError: write() argument must be str, not bytes是因为：

• 用'w'模式打开文件时，文件操作对象只接受字符串类型，但你调用了content.encode('utf8')把字符串转成了字节（bytes），导致类型不匹配。

解决这个问题有两种更合理的方式：

方式1（推荐）：直接写入字符串，指定文件编码 #

打开文件时明确指定encoding='utf-8'，直接写入content字符串即可，不需要手动encode：

with open(os.path.join(output_dir, post_filename), 'w', encoding='utf-8') as post_file:
    post_file.write(content if content else "")

方式2：用二进制模式写入字节 #

如果一定要用encode，就把打开模式改成'wb'（二进制写入）：

with open(os.path.join(output_dir, post_filename), 'wb') as post_file:
    post_file.write(content.encode('utf8') if content else b"")

修复非Post类型文章的运行问题 #

你的脚本目前还有几个影响非Post类型的bug：

1. 重复计数错误：在else分支里错误地再次执行了post_counter += 1，导致计数混乱
2. 未处理空内容/标题：如果某些非Post类型的文章没有content或title，会抛出AttributeError
3. 文件名生成逻辑不够健壮：title可能为None，需要处理这种情况

完整修改后的代码 #

#!/usr/bin/env python
"""This script converts WXR file to a number of plain text files. WXR stands for "WordPress eXtended RSS", which basically is just a regular XML file. This script extracts entries from the WXR file into plain text files. Output format: article name prefixed by date for posts, article name for pages. Usage: wxr2txt.py filename [-o output_dir]"""
import os
import re
import sys
from xml.etree import ElementTree

NAMESPACES = {
    'content': 'http://purl.org/rss/1.0/modules/content/',
    'wp': 'http://wordpress.org/export/1.2/',
}

USAGE_STRING = "Usage: wxr2txt.py filename [-o output_dir]"

def main(argv):
    filename, output_dir = _parse_and_validate_output(argv)
    try:
        data = ElementTree.parse(filename).getroot()
    except ElementTree.ParseError:
        _error("Invalid input file format. Can not parse the input.")
    page_counter, post_counter = 0, 0
    for post in data.find('channel').findall('item'):
        post_type = post.find('wp:post_type', namespaces=NAMESPACES).text
        content = post.find('content:encoded', namespaces=NAMESPACES).text
        date = post.find('wp:post_date', namespaces=NAMESPACES).text
        title = post.find('title').text

        # 处理空日期、标题的边界情况
        date_str = date.split(' ')[0].replace('-', '') if date else "no_date"
        # 处理标题为空的情况，生成默认文件名
        if title:
            title_clean = re.sub(r'[_]+', '_', re.sub(r'[^a-z0-9+]', '_', title.lower()))
        else:
            title_clean = f"untitled_{post_type}_{post_counter + page_counter + 1}"

        if post_type == 'post':
            post_filename = f"{date_str}_{title_clean}.txt"
            post_counter += 1
        else:
            post_filename = f"{title_clean}.txt"
            page_counter += 1

        # 写入文件：用utf-8编码，处理空content的情况
        with open(os.path.join(output_dir, post_filename), 'w', encoding='utf-8') as post_file:
            post_file.write(content if content else "")

    print("Saved {} posts and {} pages in directory '{}'.".format(
        post_counter, page_counter, output_dir))

def _parse_and_validate_output(argv):
    if len(argv) not in (2, 4):
        _error("Wrong number of arguments.")
    filename = argv[1]
    if not os.path.isfile(filename):
        _error("Input file does not exist (or not enough permissions).")
    output_dir = argv[3] if len(argv) == 4 and argv[2] == '-o' else os.getcwd()
    if not os.path.isdir(output_dir):
        _error("Output directory does not exist (or not enough permissions).")
    return filename, output_dir

def _error(text):
    print(text)
    print(USAGE_STRING)
    sys.exit(1)

if __name__ == "__main__":
    main(sys.argv)

关键修改点说明： #

• 修复了写入时的类型错误，用'w'模式+指定encoding='utf-8'直接写入字符串
• 移除了else分支里错误的post_counter += 1，确保计数准确
• 增加了对空日期、空标题、空内容的边界处理，避免脚本崩溃
• 优化了标题为空时的默认文件名生成逻辑，避免重名

内容的提问来源于stack exchange，提问作者Jordi