cElementTree.ParseError：格式不正确（无效令牌）

我有一个很大的XML文件（200万对象的详细信息），其内容类似于下图所示。文件大小是657MBcElementTree.ParseError：格式不正确（无效令牌）

<?xml version="1.0" encoding="UTF-8?> 
<root> 
    <item> 
     <rank>1</rank> 
     <landinglink>www.google.com</landinglink> 
     <descrip>some text</descrip> 
    </item> 
    <item> 
     <rank>1</rank> 
     <landinglink>www.facebook.com</landinglink> 
     <descrip>some text</descrip> 
    </item> 
    <item> 
     <rank>1</rank> 
     <landinglink>www.xyz.com</landinglink> 
     <descrip>some text</descrip> 
    </item> 
    . 
    . 
    . 
    . 
    . 
    . 
    . 
</root>

我试图打印所有的'连接'。我正在使用的代码如下所示。

import xml.etree.cElementTree as ET 
for event, elem in ET.iterparse("filename.xml"): 
    if event == 'end' and elem.tag == 'item': 
     print elem.find('landinglink').text

但是，当执行代码时，它给了我下面的错误。

Traceback (most recent call last): 
    File "D:/test.py", line 2, in <module> 
    for event, elem in ET.iterparse("filename.xml"): 
    File "<string>", line 91, in next 
cElementTree.ParseError: not well-formed (invalid token): line 1338, column 298

此错误在不同位置持续重复。如何避免这种类型的错误。任何帮助将不胜感激。

来源

2017-03-08 nishant kumar

那条线上，那个位置是什么？ – cco

一些文字说明，但它包含xA0种类的一些错误 –

如果该值为'\ xA0'，那么你的文件没有正确编码为utf-8。 – cco

（标示为后来的读者一个答案）

如果坏标记值是\xA0，则该文件没有正确地编码为UTF-8。
如果文件只有8位字符，则需要将XML声明更改为其他内容，可能是<?xml version="1.0" encoding="iso-8859-1" ?>。

来源

2017-03-08 06:42:29 cco

cElementTree.ParseError：格式不正确（无效令牌）

回答

相关问题