Lxml etree.iterparse错误&Quot；TypeError：读取文件对象必须返回纯字符串 [英] lxml etree.iterparse error "TypeError: reading file objects must return plain strings"

问题描述

我想使用lxml解析一个HTML文档。我使用的是python3.2.3和lxml 2.3.4(http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml)

我正在使用etree.iterparse分析文档，但它返回以下运行时错误：

Traceback (most recent call last):
  File "D:Eclipse ProjectsPython workspaceCrawlercrawler.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/lxmllxml.etree.c:98565)
  File "iterparse.pxi", line 512, in lxml.etree.iterparse._read_more_events (src/lxmllxml.etree.c:98768)
TypeError: reading file objects must return plain strings

问题是：如何解决此运行时错误？

非常感谢。

代码如下：

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))

推荐答案

您的StringIO缓冲区包含unicode字符串。iterparse使用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'))

这篇关于Lxml etree.iterparse错误&Quot；TypeError：读取文件对象必须返回纯字符串的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！