Estoy intentando escribir el contenido del objeto xml.dom.minidom
en el archivo. La idea sencilla es utilizar el método 'WriteXml':Escribir XML en el archivo daña los archivos en python
import codecs
def write_xml_native():
# Building DOM from XML
xmldoc = minidom.parse('semio2.xml')
f = codecs.open('codified.xml', mode='w', encoding='utf-8')
# Using native writexml() method to write
xmldoc.writexml(f, encoding="utf=8")
f.close()
El problema es que corrompe el texto no latino-codificado en el archivo. La otra manera es conseguir la cadena de texto y escribirlo para presentar de manera explícita:
def write_xml():
# Building DOM from XML
xmldoc = minidom.parse('semio2.xml')
# Opening file for writing UTF-8, which is XML's default encoding
f = codecs.open('codified3.xml', mode='w', encoding='utf-8')
# Writing XML in UTF-8 encoding, as recommended in the documentation
f.write(xmldoc.toxml("utf-8"))
f.close()
Esto da como resultado el siguiente error:
Traceback (most recent call last):
File "D:\Projects\Semio\semioparser.py", line 45, in <module>
write_xml()
File "D:\Projects\Semio\semioparser.py", line 42, in write_xml
f.write(xmldoc.toxml(encoding="utf-8"))
File "C:\Python26\lib\codecs.py", line 686, in write
return self.writer.write(data)
File "C:\Python26\lib\codecs.py", line 351, in write
data, consumed = self.encode(object, self.errors)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xd0 in position 2064: ordinal not in range(128)
¿Cómo se escribe un texto XML para presentar? ¿Qué es lo que me estoy perdiendo?
EDIT. El error se soluciona agregando la declaración de decodificación: f.write(xmldoc.toxml("utf-8").decode("utf-8"))
Pero los símbolos rusos todavía están dañados.
El texto no está dañado cuando se lo ve en un intérprete, pero cuando está escrito en un archivo.
Sólo un pensamiento: ¿Estás seguro no estás viendo el archivo incorrectamente? Tal vez el lector está esperando otra codificación que utf-8 y se ve borked. – Nubsis
@Nubsis Eso es exactamente lo que estaba pasando. El espectador esperaba la codificación ASCII. Mantendré el hilo porque usar .decode() también fue el problema. ¡Gracias! – martinthenext