lxml etree.iterparse 错误“TypeError:读取文件对象必须返回纯字符串”

2024-02-03

我想使用 lxml 解析 HTML 文档。我正在使用 python 3.2.3 和 lxml 2.3.4 (http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml )

我正在使用etree.iterparse解析文档,但它返回以下运行时错误:

Traceback (most recent call last):
  File "D:\Eclipse Projects\Python workspace\Crawler\crawler.py", line 12, in <module>
    for event, elements in etree.iterparse(some_file_like):
  File "iterparse.pxi", line 491, in lxml.etree.iterparse.__next__ (src/lxml\lxml.etree.c:98565)
  File "iterparse.pxi", line 512, in lxml.etree.iterparse._read_more_events (src/lxml\lxml.etree.c:98768)
TypeError: reading file objects must return plain strings

问题是:如何解决这个运行时错误?

非常感谢。

这是代码:

from io import StringIO
from lxml import etree

some_file_like = StringIO("<root><a>data</a></root>")

for event, elements in etree.iterparse(some_file_like): #<-- Run-time error happens here
    print("%s, %4s, %s" % (event, elements.tag, elements.text))

您的 StringIO 缓冲区有 unicode 字符串。iterparse适用于返回字节的类似文件的对象。以下缓冲区应与 iterparse 一起使用:

from io import BytesIO
some_file_like = BytesIO("<root><a>data</a></root>".encode('utf-8'))
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

lxml etree.iterparse 错误“TypeError:读取文件对象必须返回纯字符串” 的相关文章

随机推荐