在使用Python处理GBK编码的XML文件时，核心是要保证读取、解析全流程的编码统一，避免默认的UTF-8解码和GBK编码冲突导致报错。很多开发者直接读取GBK编码的XML文件会出现UnicodeDecodeError，或者解析时内容乱码，都是编码处理不当导致的。
GBK编码XML文件的读取方法
Python内置的open函数在读取文件时，默认使用系统编码，如果系统编码不是GBK，直接读取GBK文件就会报错。正确的做法是在打开文件时显式指定encoding参数为gbk。
# 读取GBK编码的XML文件内容
file_path = "test_gbk.xml"
try:
with open(file_path, "r", encoding="gbk") as f:
xml_content = f.read()
print("文件读取成功，内容长度：", len(xml_content))
except UnicodeDecodeError as e:
print("解码失败，错误信息：", e)
except FileNotFoundError as e:
print("文件不存在，错误信息：", e)
使用xml.etree.ElementTree解析GBK XML
读取到GBK编码的XML字符串后，使用xml.etree.ElementTree解析时，需要注意如果XML声明中指定了编码为GBK，解析器可能会尝试用对应编码解码，此时可以直接传入字符串解析，避免二次编码问题。
import xml.etree.ElementTree as ET
# 解析读取到的GBK XML内容
try:
# 直接解析字符串，Python3中字符串是Unicode，不需要再转编码
root = ET.fromstring(xml_content)
print("根节点名称：", root.tag)
# 遍历子节点
for child in root:
print("子节点名称：", child.tag, "内容：", child.text)
except ET.ParseError as e:
print("XML解析失败，错误信息：", e)
常见编码问题及解决方案
1. 读取时出现UnicodeDecodeError
这种问题通常是文件实际编码和指定的encoding参数不匹配，比如文件是GBK但指定了utf-8，或者文件有混合编码。可以先尝试用gbk编码读取，如果失败可以用gbk的errors参数忽略错误字符。
# 忽略无法解码的字符
with open(file_path, "r", encoding="gbk", errors="ignore") as f:
xml_content = f.read()
2. 解析时提示编码不匹配
如果XML文件开头有<?xml version="1.0" encoding="GBK"?>声明，但是读取时已经转成了Unicode字符串，解析器可能会报错。此时可以去掉XML声明中的encoding属性，再传入解析。
import re # 移除XML声明中的encoding属性 xml_content = re.sub(r'<?xml.*?encodings*=s*["']GBK["'].*??>', '<?xml version="1.0"?>', xml_content, flags=re.IGNORECASE) root = ET.fromstring(xml_content)
3. 写入GBK编码的XML文件
如果需要把处理后的XML内容重新保存为GBK编码的文件，需要在写入时指定encoding为gbk，同时注意XML声明中的encoding也要对应修改。
# 将XML内容写入GBK编码的文件
output_path = "output_gbk.xml"
# 修改XML声明为GBK
xml_declaration = '<?xml version="1.0" encoding="GBK"?>n'
with open(output_path, "w", encoding="gbk") as f:
f.write(xml_declaration)
# 将ElementTree对象转为字符串写入
tree = ET.ElementTree(root)
tree.write(f, encoding="gbk", xml_declaration=False)
print("文件写入完成")
注意事项
- Python3中字符串默认是Unicode，读取GBK文件后得到的字符串已经是解码后的Unicode，不需要再做encode操作再解析。
- 如果XML文件包含特殊字符，GBK编码可能无法覆盖，此时可以考虑先转成UTF-8处理，再按需转回GBK。
- 处理大文件时，建议使用迭代解析的方式，避免一次性读取全部内容占用过多内存。
处理编码问题的核心原则是保证读取、解析、写入全流程的编码统一，明确每个环节的数据编码类型，就能避免大部分编码相关的报错。