从文本文件中读取非 ASCII 字符
Posted
技术标签:
【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'))
【讨论】:
【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')
【讨论】:
【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。以上是关于从文本文件中读取非 ASCII 字符的主要内容,如果未能解决你的问题,请参考以下文章