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!

新規登録して質問してみよう
ただいま回答率
85.50%
Python 2.7

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

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。

Python

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。

Q&A

解決済

1回答

11275閲覧

ElementTreeでマルチバイト文字をスマートに扱う方法

panda_bk

総合スコア99

Python 2.7

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

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。

Python

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。

0グッド

0クリップ

投稿2015/02/27 12:41

編集2015/03/03 09:35

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。

lang

1<Test> 2 <Hoge>日本語</Hoge> 3</Test>

lang

1import xml.etree.ElementTree as ET 2root = ET.fromstring(xml) 3text = 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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

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。

Python

1import xml.etree.ElementTree as ET 2import io 3 4root = ET.fromstring(xml) 5text = root.findtext(".//Hoge") 6 7with io.open('output.txt', 'wt', encoding='cp932') as f: 8 f.write(u'実行結果\n') 9 f.write(u'=================ここから\n') 10 f.write(text) 11 f.write('\n' 12 f.write(u'=================ここまで\n')

投稿2017/04/30 08:00

shimizukawa

総合スコア1847

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

panda_bk

2017/08/08 08:55

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

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問