Python用lxml遇XMLSyntaxError：文档标UTF-16但内容为UTF-8的解决方法

我之前也踩过这个坑！核心问题很明确：你的XML文件声明里标注的编码是utf-16，但文件实际是用UTF-8编码保存的，lxml会严格按照XML声明的编码去解析，自然就冲突报错了。下面给你几个Python风格的解决方案，按需选择就行：

方案1：修改XML文件的编码声明（最直接） #

如果有权限修改原XML文件，这是最简单的办法——直接把文件开头的：

<?xml version="1.0" encoding="utf-16"?>

改成：

<?xml version="1.0" encoding="utf-8"?>

让声明和实际文件编码一致，之后直接用你的原有代码etree.parse("req.xml")就能正常运行了。

方案2：手动指定编码解析（无需修改原文件） #

如果不想改动原文件，可以强制lxml用UTF-8编码解析，跳过声明里的错误标注。有两种实现方式：

方式A：先读取内容再解析 #

先手动用UTF-8编码读取文件内容，再用fromstring方法解析：

import lxml.etree as etree

# 以UTF-8编码读取XML文件内容
with open("req.xml", encoding="utf-8") as f:
    xml_content = f.read()

# 解析读取到的内容
tree = etree.fromstring(xml_content)

方式B：指定解析器编码 #

创建一个指定UTF-8编码的解析器，传给parse方法：

import lxml.etree as etree

# 创建强制使用UTF-8编码的解析器
parser = etree.XMLParser(encoding='utf-8')
# 用自定义解析器解析文件
tree = etree.parse("req.xml", parser=parser)

这个方法会让解析器忽略XML声明里的编码，直接用你指定的UTF-8处理文件。

方案3：转换文件实际编码（如果确实需要UTF-16） #

如果XML声明的utf-16是正确的，只是文件实际编码错了，那可以把文件转换成UTF-16编码：

# 读取原UTF-8编码的内容
with open("req.xml", encoding="utf-8") as f:
    content = f.read()

# 将内容以UTF-16编码重新写入文件
with open("req.xml", "w", encoding="utf-16") as f:
    f.write(content)

转换完成后，再用etree.parse("req.xml")就不会报错了。

内容的提问来源于stack exchange，提问作者Ali Karaca