使用xml.tree.ElementTree模块处理多语言XML编码问题

嘿，我完全懂你现在的困扰——处理包含阿拉伯语、西里尔语这类非拉丁字符的文件时，编码确实很容易踩坑。我来给你捋捋怎么把这个问题搞定：

首先，核心问题在于你当前打开CSV文件时没指定编码，默认会用系统的本地编码（比如Windows上是GBK），这肯定会导致非ASCII字符乱码。要完美支持多语言，UTF-8是最优选择，而且为了让Microsoft Excel能正确识别UTF-8编码的CSV，最好用带BOM的UTF-8（也就是utf-8-sig编码）。

接下来给你具体的代码修改建议：

1. 修正CSV文件的打开方式 #

把你打开CSV的代码改成这样：

csvf = open(os.path.splitext(file)[0] + '.csv', "w+", newline='', encoding='utf-8-sig')

这里的encoding='utf-8-sig'会在文件开头添加BOM标记，Excel打开时就能自动识别UTF-8编码，不会出现乱码。

2. 确保XML解析的编码正确 #

如果你的XML文件本身有正确的编码声明（比如开头的<?xml version="1.0" encoding="UTF-8"?>），那ElementTree.parse()会自动识别编码，不用额外处理。但如果XML没有声明编码，或者编码声明和实际文件编码不符，你可以手动指定编码读取：

with open(file, 'r', encoding='utf-8') as xmlf:
    tree = ET.parse(xmlf)
root = tree.getroot()

这样能保证XML里的多语言字符被正确读取。

3. 额外注意事项 #

• 如果你用的是Python 3，csv模块已经原生支持Unicode字符，只要文件编码设置正确，写入时不用额外转码。
• 测试的时候可以先写入几个包含阿拉伯语、西里尔语的条目，先用文本编辑器（比如Notepad++）打开CSV确认内容，再用Excel打开验证效果。

最后给你一个完整的简化示例参考：

import csv
import xml.etree.ElementTree as ET
import os

file = 'example.xml'
# 打开CSV时指定utf-8-sig编码
csvf = open(os.path.splitext(file)[0] + '.csv', "w+", newline='', encoding='utf-8-sig')
csvw = csv.writer(csvf, delimiter=',')

# 确保XML正确读取
tree = ET.parse(file)
root = tree.getroot()

# 假设XML结构是<items><item><name>...</name><desc>...</desc></item></items>
csvw.writerow(['Name', 'Description'])  # 写入表头
for item in root.findall('item'):
    name = item.find('name').text
    desc = item.find('desc').text
    csvw.writerow([name, desc])

csvf.close()

这样处理后，你的CSV文件应该能完美兼容多语言，Excel打开也不会乱码啦。

内容的提问来源于stack exchange，提问作者C. Zach Martin