etree.fromstring 默认使用 etree.xmlparser，不带任何预设参数，遇 malformed xml 直接抛 xmlsyntaxerror，不自动处理 encoding 声明，也不忽略空白或注释。
etree.fromstring 默认用什么 parser？
默认用 etree.XMLParser，不是 etree.HTMLParser，也不带任何预设参数。这意味着：遇到 malformed XML（比如未闭合标签、非法字符、编码声明不一致）会直接抛 XMLSyntaxError；不自动处理 encoding 声明；不忽略空白或注释——除非你显式配置。
常见错误现象：UnicodeDecodeError: 'ascii' codec can't decode byte（源字符串是 bytes 但含非 ASCII）、XMLSyntaxError: Document is empty（空字符串或纯空白）、XMLSyntaxError: Invalid character in attribute value（如属性里有未转义的 &）。
实操建议：
- 如果输入是
bytes，确保它和 XML 声明中的 encoding 一致（例如<?xml version="1.0" encoding="utf-8"?>），否则 parser 可能按系统默认编码（如 cp1252）误读 - 若不确定输入是否规范，别直接
fromstring(data)，先用etree.XMLParser(recover=True) - recover=True 不等于“容错 HTML 解析”，它只对 XML 语法错误做尽力恢复（比如补闭合标签），但不会把
<div> 当合法元素——那是 <code>HTMLParser的事recover=True 能解决哪些问题？又不能解决什么？
它让 parser 在遇到严重语法错误时不抛异常，而是尝试构建一个尽可能完整的树。典型适用场景：抓取网页返回的“类 XML”片段（实际是混杂 HTML 的 XML 片段）、日志中截断的 XML、遗留系统输出的格式松散数据。
立即学习“Python免费学习笔记（深入）”；
但要注意：
-
recover=True对编码错误无效——UnicodeDecodeError仍会抛出，必须提前 decode 或传入正确编码的bytes - 它不会修复命名空间声明缺失导致的
Prefix not found错误 - 如果 XML 中有
引用外部 DTD，且网络不可达或 DTD 格式非法，<code>recover=True也救不了——需加resolve_entities=False - 性能略降（parser 需多轮试探），生产环境高频解析时建议只在必要时开启
怎么安全地传入 encoding 参数？
etree.fromstring()本身没有encoding参数。真正控制编码的是 parser 实例——通过etree.XMLParser(encoding=...)构造，再传给fromstring(data, parser=...)。常见误区：
- 把 UTF-8 编码的
bytes误当str传入：Python 3 下fromstring(b"<root></root>", parser=p)是 OK 的，但fromstring("<root></root>", parser=p)中 parser 的encoding参数会被忽略（因为 str 已解码） - parser 的
encoding和 XML 声明冲突时，lxml 优先信声明（除非设resolve_entities=False且声明非法） - Windows 上读文件常默认用
open(..., encoding="gbk")，结果把 UTF-8 文件当 GBK 解码成乱码str，再喂给fromstring——这时 parser 的encoding完全不起作用
实操建议：统一用
bytes+ 显式XMLParser(encoding="utf-8")，避免隐式解码干扰。HTML 片段该不该用 fromstring + XMLParser？
不该。哪怕片段看着像 XML（比如
<p><b>text</b></p>），只要它来自 HTML 上下文（无根元素、含自闭合标签如<br>、有<script></script>内 CDATA），XMLParser就会失败或行为异常。正确做法：
- 用
etree.HTMLParser()替代XMLParser() - 对应调用
etree.fromstring(html_bytes, parser=etree.HTMLParser())或更稳妥的etree.parse(io.BytesIO(html_bytes), etree.HTMLParser()) -
HTMLParser默认recover=True，且自动处理编码、script/style 内容、布尔属性（<input checked>）等 - 注意：
HTMLParser返回的树可能和原始 HTML 结构不完全一致（比如自动补），提取时得适配
最易被忽略的一点：同一个 parser 实例不能复用于不同编码的输入——parser 的
encoding是构造时绑定的，换数据就得换 parser，否则可能静默错解。 -
