摆脱 lxml 中的编码

Question

我正在尝试使用 lxml 和 Python 打印 XML 文件。

代码如下：

>>> from lxml import etree
>>> root = etree.Element('root')
>>> child = etree.SubElement(root, 'child')
>>> print etree.tostring(root, pretty_print = True, xml_declaration = True, encoding = None)

输出：

<?xml version='1.0' encoding='ASCII'?>
<root>
  <child/>
</root>

如您所见，我已声明 encoding = None，但最终输出中仍然显示 encoding = 'ASCII'。我想这是预料之中的。如果我不输入 encoding 标签，它仍然显示 ASCII。

有什么方法可以只获取 XML 版本标记而不是编码部分吗？我希望输出是这样的：

<?xml version='1.0'>

Answer 1

lxml.etree 输出什么并不重要，只要它是有效的 XML 即可。如果您确实愿意，可以将字符串粘合在一起：

'<?xml version="1.0"?>\n' + etree.tostring(root, pretty_print = True, encoding = 'ASCII')

不清楚为什么要删除它，因为最终 XML 需要知道它所在的字符集才能理解任何内容。 XML 1.0 规范 包含一种猜测字符集的方法，并且似乎鼓励使用编码声明：

在缺乏[外部信息]的情况下，对于既不以字节顺序标记也不以编码声明开头的实体使用UTF-8以外的编码，这是一个致命错误。

...

除非编码是由更高级别的协议确定的，否则如果 XML 实体不包含编码声明并且其内容不是合法的 UTF-8 或 UTF-16，这也是一个致命错误。