Python REST保存解析XML文档时遭遇编码错误求助

这是Python 2.7里Unicode处理的典型坑——当你对已经是unicode类型的字符串调用decode('utf-8')时，Python会先尝试用默认的ascii编码把它转成str类型，再执行解码，这就触发了UnicodeEncodeError，因为你的响应文本里包含非ASCII字符。

问题根源分析 #

在Python 2.7的requests库中，response.text已经是unicode类型了（requests会自动根据响应头的编码把字节转成unicode）。此时调用.decode('utf-8')相当于先执行response.text.encode('ascii').decode('utf-8')，而ascii编码无法处理那些非ASCII字符，所以直接报错。

解决方案：直接使用原始响应字节 #

最稳妥的方式是跳过response.text，直接用response.content——它是原始的字节流（在Python 2.7中就是str类型），ElementTree可以直接解析，不需要额外的编码处理：

import xml.etree.ElementTree as ET

def getXml(response, objNm):
    # 用response.content获取原始字节，避免编码转换的坑
    root = ET.fromstring(response.content)
    tree = ET.ElementTree(root)
    xmlNm = objNm + ".xml"
    # 写入时指定utf-8编码并添加XML声明，确保文件编码正确
    tree.write(xmlNm, encoding='utf-8', xml_declaration=True)
    print('Object {} was successfully created.'.format(xmlNm))

为什么这个方法有效？ #

• response.content是服务器返回的原始数据，没有经过requests的编码转换，ElementTree可以直接解析这种字节流。
• 写入文件时指定encoding='utf-8'和xml_declaration=True，会在生成的XML文件开头加上<?xml version='1.0' encoding='utf-8'?>，确保后续读取时能正确识别编码，避免乱码。

备选方案：正确处理unicode字符串 #

如果你一定要使用response.text，可以先把它编码成utf-8的str类型再解析：

root = ET.fromstring(response.text.encode('utf-8'))

不过这种方式不如直接用response.content简洁，毕竟多了一步编码转换。

内容的提问来源于stack exchange，提问作者JanFi86