lxml處理xml時的字符編碼問題

爲了簡化問題，就把xml的內容簡化爲以下的形式:

<?xml version="1.0" encoding="gbk"?><DOCUMENT><da><![CDATA[中文，就是任性]]></da></DOCUMENT>

它的encoding爲gbk，其中的節點有一個爲中文字符
使用lxml提取節點的值時出現了以下的異常

lxml.etree.XMLSyntaxError: Extra content at the end of the document

此時對應的Python腳本爲：

tst = u'<?xml version="1.0" encoding="gbk"?><DOCUMENT><da><![CDATA[中文，就是任性]]></da></DOCUMENT>'
for event,element in etree.iterparse(BytesIO(tst.encode('utf-8'))):
    print("%s, %s" % (element.tag, element.text))

不過簡化以前，報的是另一個異常

lxml.etree.XMLSyntaxError: input conversion failed due to input error, bytes 0x8B 0x2C 0xE6 0x9D

不論異常是哪個，猜想仍是和字符的編碼形式有關。
通過各類嘗試無果，後來在stackoverflow上看到這篇文章，文中提到的問題和xml中的encoding值有關，嘗試了增長了一段代碼

tst = u'<?xml version="1.0" encoding="gbk"?><DOCUMENT><da><![CDATA[中文，就是任性]]></da></DOCUMENT>'
tst = tst.replace('encoding="gbk"', 'encoding="utf-8"')
for event,element in etree.iterparse(BytesIO(tst.encode('utf-8'))):
    print("%s, %s" % (element.tag, element.text))

增長了一個替換的語句，將以前的encoding="gbk"替換成encoding:"utf-8"
因而終於獲得告終果：

da, 中文，就是任性
DOCUMENT, None