Python 2.7中ElementTree.parse()遇UnicodeEncodeError的问题排查与解决

首先，咱们得搞清楚这个错误的核心根源：Python 2.7的默认字符串编码是ASCII，当你处理包含非ASCII字符（比如u'\xdf'，也就是德语的ß）的内容时，如果没有显式指定正确的编码规则，Python就会默认用ASCII去做编码/解码操作，自然就会触发报错。

你尝试的三种方法都失败，大概率是因为没有正确匹配XML的实际编码，或者后续操作触发了默认ASCII编码，下面咱们一步步拆解问题，给出可行的解决方案：

为什么你的三种尝试都没生效？ #

1. 直接用ElementTree().parse(StringIO(apiResult.body))
apiResult.body是str类型（字节串），ElementTree在解析时会尝试将字节串解码为Unicode，但它默认会用系统的默认编码（Python2里就是ASCII），遇到非ASCII字符直接就炸锅了。

2. 指定UTF-8编码的XMLParser
   如果API返回的XML实际编码不是UTF-8（比如是ISO-8859-1），强制用UTF-8解码会导致字节序列无法被正确解析；另外，ElementTree会优先读取XML声明里的encoding属性，如果你指定的parser编码和XML声明不一致，它会直接忽略你的设置，用XML声明的编码来解码。

3. 指定ISO-8859-1编码的XMLParser
   若XML实际是UTF-8编码，用ISO-8859-1解码会得到乱码的Unicode字符串，后续你如果操作这些字符串（比如打印、写入文件），Python会尝试用ASCII编码输出，同样触发错误。

正确的解决步骤 #

第一步：确认XML的实际编码 #

先搞清楚API返回的XML到底用的是什么编码，有两个权威渠道可以查：

• 查看响应头的Content-Type字段：执行print(apiResult.headers.get('Content-Type'))，里面可能包含charset=ISO-8859-1或charset=UTF-8这样的编码信息
• 查看XML内容的开头：执行print(apiResult.body[:100])，看是否有<?xml version="1.0" encoding="ISO-8859-1"?>这样的声明，这里的编码是最优先的判断依据。

第二步：正确解码字节串为Unicode #

在Python2.7里，处理非ASCII字符的核心原则是：尽早把字节串（str）解码为Unicode字符串（unicode），再进行解析操作，或者确保ElementTree用正确的编码直接解析字节串。

方法1：用requests的text属性自动解码

requests的Response.text会自动根据响应头和XML声明的编码，把字节串解码为Unicode字符串，你可以直接用这个来解析：

import xml.etree.ElementTree as ElementTree

# 先获取已解码的Unicode内容
unicode_xml = apiResult.text
# 用fromstring解析（ElementTree.fromstring接受Unicode或UTF-8编码的字节串）
tree = ElementTree.fromstring(unicode_xml.encode('utf-8'))

方法2：显式指定编码解码后解析

如果text属性的自动解码不符合预期，你可以手动用实际编码解码：

# 把'ISO-8859-1'替换成你查到的实际编码
unicode_xml = apiResult.body.decode('ISO-8859-1')
tree = ElementTree.fromstring(unicode_xml.encode('utf-8'))

方法3：正确配置XMLParser解析字节串

如果你想直接解析字节串，确保XMLParser的编码和XML实际编码一致，并且XML声明的编码也要匹配（如果XML声明存在的话）：

from StringIO import StringIO
import xml.etree.ElementTree as ElementTree

# 替换成你查到的实际编码
parser = ElementTree.XMLParser(encoding='ISO-8859-1')
tree = ElementTree.parse(StringIO(apiResult.body), parser=parser)

第三步：避免后续操作触发ASCII编码错误 #

解析完成后，如果你要打印或写入解析后的内容，记得显式指定编码，不要依赖Python2的默认ASCII编码：

# 比如打印某个元素的文本
element_text = tree.find('.//some-element').text
# 显式编码为UTF-8再打印
print(element_text.encode('utf-8'))

# 写入文件时也指定编码
with open('output.xml', 'w') as f:
    f.write(ElementTree.tostring(tree, encoding='utf-8'))

关键提醒 #

Python2.7的字符串处理确实容易踩编码坑，核心原则就是：尽早解码为Unicode，晚些再编码为字节串，全程明确指定编码，不要让Python默认的ASCII编码插手。

内容的提问来源于stack exchange，提问作者Steve Cohen