質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.48%

  • Python

    8676questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 2.7

    1319questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

  • XMLパーサ

    37questions

    XML文書のテキストデータだけを抜き出して、アプリケーションソフトが利用しやすい形式に変換させるソフトウェアをXMLパーサと呼びます。

ElementTreeでマルチバイト文字をスマートに扱う方法

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 2,718

panda_bk

score 97

最近、python開発を始めました。(使用バージョンは、python 2.7)

XPathライクな記法が使えるxml.etree.ElementTreeを使って
XMLパースをしたいと思っています。

以下のコードで、XMLファイルの"Hoge"タグ要素値を取得した場合、text変数の型が、
日本語等のマルチバイト文字が含まれる場合unicode型に、そうでない場合string型に自動変換されている様です。

これをマルチバイトであってもstring型で取得できる様に動きを変える事は出来ないでしょうか?
現状は後続処理で「unicode型の場合は"encode("cp932")する"」みたいな変換ロジックを入れざるを得ない状況です。

<Test>
  <Hoge>日本語</Hoge>
</Test>
import xml.etree.ElementTree as ET
root = ET.fromstring(xml)
text = root.findtext(".//Hoge")
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+2

これをマルチバイトであってもstring型で取得できる様に動きを変える事は出来ないでしょうか? 

なさそうです。

ElementTreeが内部で使っているexpatは、文字列を正しく処理するために、与えられたXMLデータをデコードしてUnicode文字列にします。この挙動を変更する方法はみあたりませんでした。具体的にはElementTreeの実装で xml.parsers.expat.ParserCreate(encoding=None, namespace_separator=None) を使ってXMLをパースしています。

現状は後続処理で「unicode型の場合は"encode("cp932")する"」みたいな変換ロジックを入れざるを得ない状況です。

エンコードされた文字列にしたい場合、この変換は無くせなそうです。ただし、「unicodeの場合は」という条件はなくても良いです。ASCII文字列が格納されたstr型の場合、 'hello'.encode('cp932') としてもエラーにはならず、 'hello' に変換されます(つまり変わりません)。


なお、Python3ではUnicode文字列とstr文字列は統合され、Python2でいうUnicode文字列のみになりました(型はstrです)。このため、ファイルに書き出す場合は常にutf-8やcp932等のエンコーディング変換が必要です。しかし、そのための変換処理は open 関数の encoding= 引数に指定すれば、ただ書き出すだけで済むため書き出し処理では意識せずに済みます。

Python2であれば以下のように書くことでPython3と同様の結果が得られます。

import xml.etree.ElementTree as ET
import io

root = ET.fromstring(xml)
text = root.findtext(".//Hoge")

with io.open('output.txt', 'wt', encoding='cp932') as f:
    f.write(u'実行結果\n')
    f.write(u'=================ここから\n')
    f.write(text)
    f.write('\n'
    f.write(u'=================ここまで\n')

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/08/08 17:55

    ありがとうございます!
    Python3化したい欲が高まりましたw

    キャンセル

関連した質問

同じタグがついた質問を見る

  • Python

    8676questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 2.7

    1319questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

  • XMLパーサ

    37questions

    XML文書のテキストデータだけを抜き出して、アプリケーションソフトが利用しやすい形式に変換させるソフトウェアをXMLパーサと呼びます。