Python解析XML生成HTML时重音字符编码乱码如何解决

问题根因 #

你定位的问题位置错误，乱码和XML读取逻辑无关，问题出在输出HTML文件的打开逻辑：
你调用open("generatedHTML.html", "w")时没有显式指定编码，Python 3的open函数在文本模式下默认使用操作系统的默认编码（Windows环境下通常为GBK/CP1252），导致你从XML中读取到的正确UTF-8重音字符，写入HTML时被错误编码，最终出现乱码。

修复方案 #

只需要修改输出HTML文件的打开语句，显式指定UTF-8编码即可：

# 原代码
f = open("generatedHTML.html", "w")
# 修改为
f = open("generatedHTML.html", "w", encoding="utf-8")

可选优化建议 #

• 可以省去手动打开XML文件的步骤，直接把文件路径传给ET.parse，让ElementTree自动读取XML头部的编码声明进行解析，避免手动指定编码和XML实际编码不符的问题：

# 原代码
with open(archivoXML, 'r', 1, 'utf-8') as xml_file:
    arbol = ET.parse(xml_file)
# 可替换为
arbol = ET.parse(archivoXML)

• 写入HTML的用户生成内容建议先经过html.escape转义，避免特殊字符破坏HTML结构或者出现注入风险：

import html
f.write('\t\t<p> Persona: ' + html.escape(hijo.attrib['nombre']) + ' ' + html.escape(hijo.attrib['apellido']) + '</p>\n')

内容的提问来源于stack exchange，提问作者diegogs_