Python ElementTree解析XML报not well-formed无效令牌错误求助

ET.fromstring() 方法的作用是直接解析传入的字符串为XML结构，它不会自动读取路径对应的文件内容。你代码里把文件路径字符串（比如blogs/1000331.female.37.indUnk.Leo.xml）直接传给了这个方法，解析器会把路径字符串本身当成XML内容校验：合法XML的开头必须是<（标签起始）或<?（XML声明），而你传入的字符串开头是普通字符b，解析到第5列时就判定不符合XML语法，抛出格式错误。
另外你给解析器设置的encoding="unicode_escape"属于错误配置，该编码仅用于处理转义格式的Unicode字符串，不适合常规XML文件解析。

直接用ET.parse()方法传入文件路径即可，这个方法会自动读取、解析路径对应的XML文件：

from xml.etree import ElementTree as ET
from os import path, listdir

path__ = "blogs/"
files = [path.join(path__, f) for f in listdir(path__) if f.endswith('.xml')]
for file in files:
    print(file)
    tree = ET.parse(file)
    root = tree.getroot()
    # 在此处添加你的XML节点处理逻辑

如果个别文件存在编码不规范导致解析报错，可以手动指定编码读取文件内容后再解析：

from xml.etree import ElementTree as ET
from os import path, listdir

path__ = "blogs/"
files = [path.join(path__, f) for f in listdir(path__) if f.endswith('.xml')]
for file in files:
    print(file)
    # 可根据文件实际编码修改encoding参数，errors='ignore'会跳过无法解码的异常字符
    with open(file, 'r', encoding='utf-8', errors='ignore') as f:
        xml_content = f.read()
    root = ET.fromstring(xml_content)
    # 在此处添加你的XML节点处理逻辑

提示：批量解析第三方来源的XML文件时，建议增加异常捕获逻辑，避免单个损坏文件中断整个批量处理流程。

内容的提问来源于stack exchange，提问作者skeeper