[pyar] Unicode, XMLs y minidom

[Roberto Alsina]

On 11/09/13 23:05, Facundo Batista wrote:
> On Wed, Sep 11, 2013 at 8:32 PM, Federico Manuel Echeverri Choux
> <echeverrifm en gmail.com> wrote:
>
>> '<?xml version="1.0"
>> encoding="utf-8"?>\n\xef\xbb\xbf<Addenda>\n<if:FacturaInterfactura
>> TipoDocumento="Factura"
> Ok, este XML tiene fruta.
>
> Es UTF8 válido, pero en el medio tiene un caracter extrañísimo. Esos 3
> bytes que tenés ahí en el medio ("\xef\xbb\xbf") se convierten en el
> caracter unicode FEFF que no es nada (bah, sí, es un casillero no
> ocupado en un codechart árabe).
>
> Por otro lado, FEFF es un BOM válido, pero el BOM no puede estar ahí
> en el medio. *Y menos codificado* (lo cual es una falta grave al armar
> el unicode, digamos).
>
> Ergo, el que está armando el XML lo está armando mal... Apostaría a
> que este XML lo recibís de un windows...
>
> De cualquier manera, o tenés que pedir que te lo corrijan, o sanitizalo vos:
>

Probablemente "algo" está pegoteando archivos, y no es BOM-aware.