Python打开XML文件报错：字符间存在NULL(\x00)字符该如何解决

该问题完全由编码不匹配导致：你拿到的XML文件是UTF-16编码（通常为Windows平台常用的小端序UTF-16LE），这种编码格式下，每个字符固定占用2字节存储，对于ASCII范围内的字符，第二个字节固定为\x00（NULL字符）。
你调用open()读取文件时没有指定编码，Python会默认使用系统默认编码（Windows通常为GBK，类Unix系统通常为UTF-8）解析文件，将原本属于同一个字符的2字节拆分为两个独立字符，最终就出现了有效字符之间夹带NULL字符的现象。普通文本编辑器会自动检测文件编码，因此可以正常显示内容。
你目前使用的替换NULL字符的方案仅对纯ASCII内容的文件有效，如果文件中出现中文、特殊符号等非ASCII字符，就会出现不可逆的乱码，不建议长期使用。

方案1：直接指定编码读取（最推荐） #

读取文件时直接指定编码为utf-16，Python会自动完成编码转换，不需要手动处理字符，兼容性最好：

from bs4 import BeautifulSoup
file = 'sample.xml'
# 直接指定UTF-16编码读取
with open(file, 'r', encoding='utf-16') as f:
    data = f.read()
Bs_data = BeautifulSoup(data, 'xml')

如果指定utf-16时报错，大概率是文件没有带BOM头，可根据实际编码尝试替换为utf-16-le（小端序）或者utf-16-be（大端序）即可。

方案2：自动检测编码后读取 #

如果不确定文件的实际编码，可以先读取二进制内容，检测编码后再解码：

from bs4 import BeautifulSoup
import chardet

file = 'sample.xml'
# 先读取二进制内容
with open(file, 'rb') as f:
    raw_data = f.read()
# 自动检测编码
detect_res = chardet.detect(raw_data)
encoding = detect_res['encoding']
# 解码后解析
data = raw_data.decode(encoding)
Bs_data = BeautifulSoup(data, 'xml')

内容的提问来源于stack exchange，提问作者FranmR