python解析xml的字符集问题的处理

python版本：2.6

案例一： test.xml
<?xml version="1.0" encoding="utf8"?>
调用：
xmldoc = minidom.parse(test.xml)
报错：
Traceback (most recent call last):
  File "D:\project\src\myapp\src\xml\testdomxml.py", line 14, in <module>
    xmldoc = minidom.parse(response)
  File "D:\Python\lib\xml\dom\minidom.py", line 1918, in parse
    return expatbuilder.parse(file)
  File "D:\Python\lib\xml\dom\expatbuilder.py", line 928, in parse
    result = builder.parseFile(file)
  File "D:\Python\lib\xml\dom\expatbuilder.py", line 207, in parseFile
    parser.Parse(buffer, 0)
xml.parsers.expat.ExpatError: unknown encoding: line 1, column 30

修改后：test2.xml
<?xml version="1.0" encoding="utf-8"?>
再次调用
xmldoc = minidom.parse(test2.xml)
没有问题了。 囧一个！

详细可见python bug 列表： http://bugs.python.org/msg63471

案例二：
xmldoc = minidom.parse(urllib.urlopen('http://rss.sina.com.cn/news/marquee/ddt.xml'))
正常调用

xmldoc = minidom.parse(urllib.urlopen('http://news.163.com/special/00011K6L/rss_newstop.xml''))
报错：
  File "D:\Python\lib\xml\dom\expatbuilder.py", line 207, in parseFile
    parser.Parse(buffer, 0)
xml.parsers.expat.ExpatError: unknown encoding: line 1, column 30

观察sina和163的两个rss源文件看，并未发现特别的异常，不过将163的保存为文件rssnew163.xml，在其头部添加
<?xml version="1.0" encoding="utf-8"?>
然后再调用
xmldoc = minidom.parse("rssnew163.xml")
问题解决，看来还是字符编码的问题了。
对于使用urllib实时更新rss的就需要预先处理一下了，先保存rss文件，然后添加上述行，或者将xml文件转换成utf-8编码即可。