Python Unicode和lxml属性的问题

当元素包含unicode字符时，使用lxml获取属性时出现问题。我读过很多其他关于UTF-8解码的文章，但我似乎无法让它正常工作。我没有发现以属性的形式给出上下文

当前，如果html标记没有unicode字符，则获取属性的工作方式是这样的，例如，当我打印文档时，html标记看起来像这样，我从

html\u属性中得到
{'lang'：'en'，'class'：'}

from urllib import urlopen
from lxml import etree

document = urlopen(url).read()

#Print the document
print(document)

tree = etree.HTML(document)
html_attributes = tree.attrib

# Print the attributes
print(html_attributes)

然而，每当我给lxml一个HTML标签上带有unicode属性的HTML文档时，比如：
我最终得到一个空对象：
{}
来自
HTML\u属性

from urllib import urlopen
from lxml import etree

document = urlopen(url).read()

#Print the document
print(document)

tree = etree.HTML(document)
html_attributes = tree.attrib

# Print the attributes
print(html_attributes)

有没有办法让它打印unicode属性
 我不记得有任何规范允许将字符表示为属性名称，但我可能弄错了。对于一般的lxml或HTML？在Python中，
\u26a1
是对高压符号字符（U+26A1）的引用。在HTML文档中将该字符串文字作为属性名称看起来很奇怪。@mzjn我同意，但这是AMP规范允许的，请参见此处：-我正在使用一个解析器验证AMP文档，但在此之前，它会检测它是否是一个AMP文档。如果文档使用
amp
字符串，则检测该字符串是没有问题的，但大约只有50%的情况是这样。我对lxml不是很熟悉，但基于为什么lxml不能从unicode字符串解析我的XML，XML被显式定义为字节流。这就引出了第一条规则：不要自己解码XML数据。还提到，如果unicode字符串在内部（）声明XML编码，解析肯定会失败。对于包含字符集元标记的HTML unicode字符串也是如此。您可能想查看文档以了解更多信息，看看它是否对您有帮助。我不记得有任何规范允许将字符表示为属性名称，但我可能会弄错。对于一般的lxml或HTML？在Python中，
\u26a1
是对高压符号字符（U+26A1）的引用。在HTML文档中将该字符串文字作为属性名称看起来很奇怪。@mzjn我同意，但这是AMP规范允许的，请参见此处：-我正在使用一个解析器验证AMP文档，但在此之前，它会检测它是否是一个AMP文档。如果文档使用
amp
字符串，则检测该字符串是没有问题的，但大约只有50%的情况是这样。我对lxml不是很熟悉，但基于为什么lxml不能从unicode字符串解析我的XML，XML被显式定义为字节流。这就引出了第一条规则：不要自己解码XML数据。还提到，如果unicode字符串在内部（）声明XML编码，解析肯定会失败。对于包含字符集元标记的HTML unicode字符串也是如此。您可能想查看文档以了解更多信息，看看它是否对您有所帮助。