在python中将bz2 xml文件转换为json[重复]

所以我用下面的代码,用bz2和lxml解析了planet.osm文件的一部分

from lxml import etree as et
from bz2 import BZ2File

path = "where/my/fileis.osm.bz2"
with BZ2File(path) as xml_file:
    parser = et.iterparse(xml_file, events=('end',))
    for events, elem in parser:

        if elem.tag == "tag":
            continue
        if elem.tag == "node":
            (do something)


    ## Do some cleaning
    # Get rid of that element
    elem.clear()

    # Also eliminate now-empty references from the root node to node        
    while elem.getprevious() is not None:
        del elem.getparent()[0]

Geofabrick extracts . 但是,当我尝试用相同的脚本解析planet-latest.osm.bz2时,会得到错误:

xml.etree.XMLSyntaxError:属性num_change的规范委托值,第3684行,第60列

以下是我尝试过的:

• 检查planet-latest.osm.bz2 md5sum
• 查看planet-latest.osm中bz2脚本停止的位置。没有明显的错误,属性被称为“num_changes”,而不是错误中指出的“num_change”
• 我也做了一些愚蠢的事情,但这个错误让我困惑:我在模式'rb'[c=bz2 file('file.osm.bz2','rb')]中打开planet-latest.osm.bz2,然后将c.read()传递给iterparse(),后者返回一个错误,告诉我(很长的字符串)无法打开。奇怪的是,(很长的字符串)在“规范授权值”错误所指的地方结束。。。

然后我尝试用一个简单的

bzcat planet.osm.gz2 > planet.osm

直接在planet.osm上运行解析器。还有。。。成功了!我对此非常困惑,找不到任何线索来说明为什么会发生这种情况以及如何解决。我猜解压和解析之间会有什么问题,但我不确定。请帮助我理解!