Błąd lxml etree.iterparse "TypeError: czytanie obiektów plików musi zwracać zwykłe ciągi znaków"

Question

Chciałbym parsować dokument HTML używając lxml. Używam Python 3.2.3 i 2.3.4 lxml (http://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml)

Używam etree.iterparse do analizowania dokumentu, ale zwraca następujący błąd czasu wykonywania:

Traceback (most recent call last): 
    File "D:\Eclipse Projects\Python workspace\Crawler\crawler.py", line 12, in <module> 
    for event, elements in etree.iterparse(some_file_like): 
    File "iterparse.pxi", line 491, in lxml.etree.iterparse.__next__ (src/lxml\lxml.etree.c:98565) 
    File "iterparse.pxi", line 512, in lxml.etree.iterparse._read_more_events (src/lxml\lxml.etree.c:98768) 
TypeError: reading file objects must return plain strings 

pytanie brzmi: Jak rozwiązać ten błąd czasu wykonywania?

Dziękuję bardzo.

Oto kod:

from io import StringIO 
from lxml import etree 

some_file_like = StringIO("<root><a>data</a></root>") 

for event, elements in etree.iterparse(some_file_like): #<-- Run-time error happens here 
    print("%s, %4s, %s" % (event, elements.tag, elements.text)) 

Answer 1

Twój bufor StringIO ma ciąg Unicode. iterparse działa z obiektami podobnymi do plików, które zwracają bajty. Poniższy bufor powinien działać z iterparse:

from io import BytesIO 
some_file_like = BytesIO("<root><a>data</a></root>".encode('utf-8'))