为了简化问题，就把xml的内容简化为如下的形式:
<?xml version="1.0" encoding="gbk"?><document><da><![cdata[中文，就是任性]]></da></document>
它的encoding为gbk，其中的节点有一个为中文字符
使用lxml提取节点的值时出现了如下的异常
lxml.etree.xmlsyntaxerror: extra content at the end of the document
此时对应的python脚本为：
tst = u'<?xml version="1.0" encoding="gbk"?><document><da><![cdata[中文，就是任性]]></da></document>' for event,element in etree.iterparse(bytesio(tst.encode('utf-8'))): print("%s, %s" % (element.tag, element.text))
不过简化之前，报的是另外一个异常
lxml.etree.xmlsyntaxerror: input conversion failed due to input error, bytes 0x8b 0x2c 0xe6 0x9d
不论异常是哪一个，猜测还是和字符的编码形式有关。
经过各种尝试无果，后来在stackoverflow上看到这篇文章，文中提到的问题和xml中的encoding值有关，尝试了增加了一段代码
tst = u'<?xml version="1.0" encoding="gbk"?><document><da><![cdata[中文，就是任性]]></da></document>' tst = tst.replace('encoding="gbk"', 'encoding="utf-8"') for event,element in etree.iterparse(bytesio(tst.encode('utf-8'))): print("%s, %s" % (element.tag, element.text))
增加了一个替换的语句，将之前的encoding="gbk"替换成encoding:"utf-8"
于是终于得到了结果：
da, 中文，就是任性 document, none
以上就是详解lxml处理xml时的字符编码问题的详细内容。