我试图解析，操作，并使用Python的ElementTree输出HTML：
import sys
from cStringIO import StringIO
from xml.etree import ElementTree as ET
from htmlentitydefs import entitydefs
source = StringIO("""<html>
<body>
<p>Less than <</p>
<p>Non-breaking space </p>
</body>
</html>""")
parser = ET.XMLParser()
parser.parser.UseForeignDTD(True)
parser.entity.update(entitydefs)
etree = ET.ElementTree()
tree = etree.parse(source, parser=parser)
for p in tree.findall('.//p'):
print ET.tostring(p, encoding='UTF-8')
当我运行这个使用Python 2.7在Mac OS X 10.6，我得到：
<p>Less than <</p>
Traceback (most recent call last):
File "bar.py", line 20, in <module>
print ET.tostring(p, encoding='utf-8')
File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/xml/etree/ElementTree.py", line 1120, in tostring
ElementTree(element).write(file, encoding, method=method)
File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/xml/etree/ElementTree.py", line 815, in write
serialize(write, self._root, encoding, qnames, namespaces)
File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/xml/etree/ElementTree.py", line 931, in _serialize_xml
write(_escape_cdata(text, encoding))
File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/xml/etree/ElementTree.py", line 1067, in _escape_cdata
return text.encode(encoding, "xmlcharrefreplace")
UnicodeDecodeError: 'ascii' codec can't decode byte 0xa0 in position 19: ordinal not in range(128)
我认为指定“编码=‘UTF-8’”会照顾非打破空间的性格，但显然事实并非如此。 我应该怎么办呢？
0XA0是latin1的字符，而不是一个Unicode字符和p.text的回路中的值是一个STR和不是Unicode，这意味着，为了对其进行编码以UTF-8必须首先将被Python转换成隐含一个unicode字符串（即，使用解码）。 当它这样做，它假定ASCII因为它没有告诉其他任何东西。 0XA0不是有效的ASCII字符，但它是一个有效的latin1字符。
你有LATIN1字符，而不是Unicode字符的原因是因为的entitydefs是名称的映射为latin1编码字符串。 你需要的Unicode代码点，你可以从htmlentitydef.name2codepoint得到
下面的版本应该为您解决问题：
import sys
from cStringIO import StringIO
from xml.etree import ElementTree as ET
from htmlentitydefs import name2codepoint
source = StringIO("""<html>
<body>
<p>Less than <</p>
<p>Non-breaking space </p>
</body>
</html>""")
parser = ET.XMLParser()
parser.parser.UseForeignDTD(True)
parser.entity.update((x, unichr(i)) for x, i in name2codepoint.iteritems())
etree = ET.ElementTree()
tree = etree.parse(source, parser=parser)
for p in tree.findall('.//p'):
print ET.tostring(p, encoding='UTF-8')
XML只定义< ， > ， ' ， " 和& 。 和其他来自HTML。 所以，你有两个选择。
- 你可以改变你的源使用数字实体，像
  或  这两者都是等同于 。 - 您可以使用DTD定义的值。
有一些有用的信息（这是写XSLT，但是XSLT是使用XML编写的，因此同样适用）在XSLT常见问题解答 。
现在的问题似乎包括一个堆栈跟踪; 改变的东西。 你确定该字符串是UTF-8 如果它解析为单字节0xA0 ，那么它是不是UTF-8但更可能cp1252或iso-8859-1 。
你 被转换为“\ XA0”，其为不间断空格默认（ASCII）编码（使用UTF-8编码是“\ XC2 \ XA0”。）的线
'\xa0'.encode('utf-8')
导致UnicodeDecodeError错误，因为默认的编解码器，ASCII，只能最多128个字符和ord（“\ XA0”）= 160设置默认编码到别的东西，即：
import sys
reload(sys) # must reload sys to use 'setdefaultencoding'
sys.setdefaultencoding('latin-1')
print '\xa0'.encode('utf-8', "xmlcharrefreplace")
应该解决您的问题。
HTML是不一样的XML，所以标签，如 不管用。 理想的情况是，如果你试图通过通过XML的信息，你可以第一个XML编码上面的数据，所以它看起来是这样的：
<xml>
<mydata>
<htm>
<body>
<p>Less than &lt;</p>
<p>Non-breaking space &nbsp;</p>
</body>
</html>
</mydata>
</xml>
然后解析XML后，您可以进行HTML unencode的字符串。
我想你这里的问题是不是与你NBSP实体，而是与你的打印语句。
你的错误是：
UnicodeDecodeError错误：在位置19“ASCII”编解码器不能解码字节0XA0：顺序不在范围内（128）
我想这是因为你正在做一项UTF-8字符串（从ET.tostring(p, encoding='utf-8')并试图呼应它在ASCII终端。 所以Python是隐式转换该字符串为Unicode然后再次将其转换成ASCII码。 虽然NBSP 可以直接在UTF-8来表示，它不能直接以ASCII表示。 因此，错误。
尝试输出保存到一个文件，而不是，看如果你得到你所期望的。
或者，尝试print ET.toString(p, encoding='ascii')这应该引起ElementTree的使用数字字符实体来代表任何可以不与ASCII表示。
文章来源: Python ElementTree won't convert non-breaking spaces when using UTF-8 for output
