Escribir XML en el archivo daña los archivos en python

Question

Estoy intentando escribir el contenido del objeto xml.dom.minidom en el archivo. La idea sencilla es utilizar el método 'WriteXml':

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.

Answer 1

Hmm, aunque esto debería funcionar:

xml = minidom.parse("test.xml") 
with codecs.open("out.xml", "w", "utf-8") as out: 
    xml.writexml(out) 

que alternativamente puede probar:

with codecs.open("test.xml", "r", "utf-8") as inp: 
    xml = minidom.parseString(inp.read().encode("utf-8")) 
with codecs.open("out.xml", "w", "utf-8") as out: 
    xml.writexml(out) 

actualización: En caso de construcción XML de objeto de cadena, debe codificarlo antes de pasar minidom parser, como este:

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 

import codecs 
import xml.dom.minidom as minidom 

xml = minidom.parseString(u"<ru>Тест</ru>".encode("utf-8")) 
with codecs.open("out.xml", "w", "utf-8") as out: 
    xml.writexml(out) 

Answer 2

Prueba esto:

with open("codified.xml", "w") as f: 
    f.write(xmldoc.toxml("utf-8").decode("utf-8")) 

Esto funciona para mí (en Python 3, sin embargo).