Jupyter运行ET.parse报ParseError: line 1 column 0异常怎么解决？

该ParseError报错是Python标准XML解析器处理目标文件时，第一行第一个字符就识别到非法内容，核心触发场景如下：

• 遍历的reports列表包含非XML文件，比如系统生成的隐藏文件（macOS的.DS_Store、Linux的临时点文件）、子目录、损坏的XML文件
• XML文件编码不匹配：解析器默认按UTF-8解码，但文件实际为GBK等其他编码，或是带UTF-8 BOM头的文件，BOM头的特殊字符会被解析器判定为非法token
• 目标文件是空文件，0字节文件无有效内容，解析时直接触发第一行字符非法报错
• 路径拼接错误，实际读取的不是预期的XML文件

1. 先过滤非法文件，仅处理合法XML #

先对遍历列表做校验，过滤掉非文件、隐藏文件、非XML后缀、空文件：

import os
import xml.etree.ElementTree as ET

valid_reports = [
    f for f in reports 
    if f.endswith('.xml') 
    and not f.startswith('.') 
    and os.path.isfile(os.path.join(reports_path, f))
]

for report in valid_reports:
    file_path = os.path.join(reports_path, report)
    # 跳过空文件
    if os.path.getsize(file_path) == 0:
        print(f"跳过空文件：{file_path}")
        continue

2. 处理编码与BOM头问题 #

手动读取文件字节流，先处理BOM头和编码问题再传入解析器：

for report in valid_reports:
    file_path = os.path.join(reports_path, report)
    if os.path.getsize(file_path) == 0:
        print(f"跳过空文件：{file_path}")
        continue
    try:
        # 读取原始字节流
        with open(file_path, 'rb') as f:
            content = f.read()
        # 移除UTF-8 BOM头（如果存在）
        if content.startswith(b'\xef\xbb\xbf'):
            content = content[3:]
        # 解码内容，可指定实际编码如gbk，errors参数控制非法字符处理逻辑
        decoded_content = content.decode('utf-8', errors='replace')
        tree = ET.ElementTree(ET.fromstring(decoded_content))
    except ET.ParseError as e:
        print(f"解析文件{file_path}失败：{str(e)}")
        continue

3. 换用容错性更高的解析库 #

如果XML文件格式不标准，可换用lxml库，它支持自动修复异常XML内容：
首先安装依赖：pip install lxml
修改解析逻辑：

from lxml import etree

for report in valid_reports:
    file_path = os.path.join(reports_path, report)
    try:
        # 开启异常内容自动修复模式
        parser = etree.XMLParser(recover=True)
        tree = etree.parse(file_path, parser=parser)
    except Exception as e:
        print(f"解析文件{file_path}失败：{str(e)}")
        continue

内容的提问来源于stack exchange，提问作者Hemanth Kumar