从文本文件中读取非 ASCII 字符

Posted 2023-02-24

【中文标题】从文本文件中读取非 ASCII 字符

【英文标题】：Reading non-ASCII characters from a text file

【发布时间】：2012-05-09 18:05:15

【问题描述】：

我正在使用 python 2.7。我已经尝试了很多东西，比如编解码器，但没有奏效。我该如何解决这个问题。

我的文件.txt

wörd

我的代码

f = open('myfile.txt','r')
for line in f:
    print line
f.close()

输出

s\xc3\xb6zc\xc3\xbck

eclipse 和命令窗口的输出是一样的。我用的是Win7。当我不从文件中读取时，任何字符都没有问题。

【问题讨论】：

您期待什么结果？从技术上讲，python 已经正确读取了文件。

为什么要逐个字符打印出来？为什么不直接说for line in f: print line？当我这样做时，它会根据需要打印“söcük”。

我试过但没有用。它打印了 s\xc3\xb6zc\xc3\xbck.

Python 工作正常，问题是终端窗口/控制台中的编码。

您确定您在 Windows 7“命令提示符”（黑屏）中打印并且您实际上看到 s\xc3\xb6zc\xc3\xbck 打印就像反斜杠 x c 3 等一样吗？真的确定你在做print line 而不是print repr(line)???

【参考方案1】：

import codecs
#open it with utf-8 encoding 
f=codecs.open("myfile.txt","r",encoding='utf-8')
#read the file to unicode string
sfile=f.read()

#check the encoding type
print type(file) #it's unicode

#unicode should be encoded to standard string to display it properly
print sfile.encode('utf-8')
#check the type of encoded string

print type(sfile.encode('utf-8'))

【参考方案2】：

首先 - 检测文件的编码

  from chardet import detect
  encoding = lambda x: detect(x)['encoding']
  print encoding(line)

然后 - 将其转换为 unicode 或您的默认编码 str：

  n_line=unicode(line,encoding(line),errors='ignore')
  print n_line
  print n_line.encode('utf8')

【参考方案3】：

这是终端编码。尝试使用您在文件中使用的相同编码配置您的终端。我建议你使用 UTF-8。

顺便说一句，对所有输入输出进行解码编码以避免出现问题是一个好习惯：

f = open('test.txt','r')    
for line in f:
    l = unicode(line, encoding='utf-8')# decode the input                                                                                  
    print l.encode('utf-8') # encode the output                                                                                            
f.close()

【讨论】：

现在我明白他们为什么在 3.0 中制定 UTF-8 标准了。 (PEP 3120)

@mgold：PEP 3120 是关于源 (.py) 文件的编码；这与 OP 的输入和/或输出编码问题无关。