如何使用Python读取.fil文件并提取其中的XML内容

.fil是通用自定义扩展名，不存在统一格式标准，直接按纯文本/纯二进制读取失败基本都是因为文件带自定义头、特殊编码、或做了简单封装，按以下步骤排查即可：

• 第一步：定位XML片段的起始偏移
  绝大多数业务系统生成的带XML的.fil文件，只会在文件开头写入若干字节的自定义标识头，后续紧跟完整XML内容，先通过二进制匹配找到XML起点：

  with open("target.fil", "rb") as f:
      raw = f.read()
  
  # 优先匹配XML标准声明头
  start_pos = raw.find(b"<?xml")
  if start_pos == -1:
      # 无声明头则匹配第一个标签起始符
      start_pos = raw.find(b"<")
  
  xml_raw = raw[start_pos:]
  

• 第二步：按正确编码解码内容
  不要默认用UTF-8解码，很多工业/老系统导出的XML会用GBK、GB2312、Latin-1编码，先从XML片段头部提取编码声明：

  import re
  enc_match = re.search(rb"encoding=[\"'](.*?)[\"']", xml_raw[:100])
  enc = enc_match.group(1).decode("ascii") if enc_match else "utf-8"
  xml_str = xml_raw.decode(enc, errors="ignore")
  

  如果解码后内容正常无乱码，直接进入解析步骤即可。
• 第三步：特殊封装场景排查
  如果上述步骤拿到的内容是乱码，按优先级排查两种常见封装：
  1. 压缩封装：不少系统会把XML打包成zip后直接改后缀为.fil，直接用zipfile试读即可：

     import zipfile
     try:
         with zipfile.ZipFile("target.fil") as zf:
             # 打印包内文件列表，找到xml后缀的文件读取
             print("包内文件：", zf.namelist())
             xml_str = zf.read(zf.namelist()[0]).decode("utf-8")
     except zipfile.BadZipFile:
         pass
     

  2. 简单字节混淆：部分老系统会对文件内容做固定值异或混淆，已知XML首字符必然是<（ASCII码60），拿文件首字节和60做异或即可拿到密钥，遍历所有字节异或后就能得到原始XML。
• 第四步：解析XML内容
  拿到合法的XML字符串后，直接用Python标准库解析即可，无需安装第三方依赖：

  import xml.etree.ElementTree as ET
  root = ET.fromstring(xml_str)
  # 按需提取节点内容，例如遍历所有指定标签
  for node in root.iter("目标标签名"):
      print(node.text, node.attrib)
  

注意：如果定位到XML起始位置后，尾部存在非XML的冗余二进制内容，可以通过匹配XML根节点的闭合标签位置截断，避免解析报错。

内容的提问来源于stack exchange，提问作者Raks