使用Python3与lxml解析文件夹中*.ditamap文件时遇空文档错误

我太懂你这种摸不着头脑的感觉了——明明直接传文件名没问题，换成文件对象就报文档为空，其实问题出在文件的打开模式上。

问题根源 #

当你用open(file)默认打开文件时，是用文本模式（rt）打开的，而lxml.etree.parse()在处理文件对象时，更适配二进制模式打开的文件。文本模式下，编码处理、换行符转换或者隐式的文件指针偏移，都可能导致lxml读取不到有效内容，误以为文档是空的。

两种修复方案 #

方案1：用二进制模式打开文件（推荐）

直接以rb（二进制只读）模式打开文件，让lxml直接读取原始字节流，避免文本模式的编码干扰：

import glob
import lxml.etree as et
for file in glob.glob('*.ditamap'):
    # 用rb模式打开文件，适配lxml的读取需求
    with open(file, 'rb') as xml_file:
        tree = et.parse(xml_file)
        # 将字节串转成字符串后打印，避免乱码
        print(et.tostring(tree, pretty_print=True).decode('utf-8'))

方案2：强制重置文件指针到开头（适合必须用文本模式的场景）

如果因为某些原因必须用文本模式打开，可以手动将文件指针移到文件起始位置，确保lxml能读到完整内容：

import glob
import lxml.etree as et
for file in glob.glob('*.ditamap'):
    with open(file) as xml_file:
        # 将文件指针强制移到文件开头
        xml_file.seek(0)
        tree = et.parse(xml_file)
        print(et.tostring(tree, pretty_print=True).decode('utf-8'))

额外小建议 #

其实et.parse()本身就支持直接传入文件名，它会自动处理文件的打开、编码和关闭逻辑，代码反而更简洁。如果没有特殊的文件预处理需求，直接用你注释掉的那行代码就足够了：

tree = et.parse(file)

内容的提问来源于stack exchange，提问作者Aidan