python能打开的txt文件编码_Python读写txt文件时的编码问题

这个问题来自于一个小伙伴，他在处理中文数据时需要先把里面的文本过滤然后分词，因为里面有许多符号，不仅是中文标点符号，还有✳，emoji等奇怪的符号。

正常情况下，中文的str经过encode('utf-8')变成bytes，然后bytes经过decode('utf-8')变回中文。

原始文件是txt，那么先读进来，需要使用utf-8编码，当然你也可以使用GBK或者GB18030，这就看你的文本里面都是些啥内容了，读入的格式对后面保存的格式有重大影响，所以还是使用UTF-8吧：

1 with open ('a.txt', 'r', encoding='utf-8') as f:2 　　lines = f.readlines()

接下来是一系列的操作，过滤分词等等，然后在将结果写入txt的时候问题来了：经过处理的一行行文本现在已经变成了str(其实里面的内容还是这种b'\xe4\xb8\xad\xe6\x96\x87')，不能直接由字符串直接decode到中文，会报错：str has no attribute 'decode'....这是因为中间的那些操作已经把lines里面的bytes转成了str。所以写入的时候需要做转化：

1 item.encode('utf-8').decode('utf-8')

这种做法我在其他博客里都没有见到过，主要是被逼无奈，不然str格式直接写入就是一堆编码，不能阅读。原理是把原本不能直接decode的str(虽然内容是一堆编码)先转换回bytes，再decode成str。

这样就结束了吗？NO！

写入之前需要打开文件，大部分人打开的时候都忘记使用UTF-8编码，而windows下txt默认的是GBK编码，pycharm默认也是使用系统的编码，上面要是直接写入的话就会报错：

UnicodeEncodeError: 'gbk' codec can't encode character '\u2022' in position 0: illegal multibyte sequence

即对GBK格式txt文件写不进去UTF-8下的部分文本，所以写入前的打开文件和上面一样：

1 with open ('a.txt', 'w', encoding='utf-8') as f:2 f.write(item)

编码问题虽然网上的博客很多，但这个问题还是要自己遇到了在解决的过程中才能理解。

python能打开的txt文件编码_Python读写txt文件时的编码问题相关推荐

python读txt很大_Python读写txt文件
python读写txt文件准备原始txt数据 3.14159265358979323846264338327950288419716939937510582097494459230781640628 ...
python读压缩文件内容_Python读写压缩文件的方法
问题你想读写一个gzip或bz2格式的压缩文件. 解决方案 gzip 和bz2模块可以很容易的处理这些文件. 两个模块都为 open()函数提供了另外的实现来解决这个问题. 比如,为了以文本形式读取 ...
pythontxt文件操作_Python读写txt文本文件的操作方法全解析
一.文件的打开和创建 ? 1 2 3 4 5 >>> f= open('/tmp/test.txt') >>> f.read() 'hello python!\nh ...
python读取docx文件出错_Python读写docx文件的方法
这篇文章主要介绍了关于Python读写docx文件的方法,有着一定的参考价值,现在分享给大家,有需要的朋友可以参考一下 Python读写word文档有现成的库可以处理.我这里采用 python-doc ...
python写入excel公式有哪些库_Python读写Excel文件第三方库汇总，你想要的都在这儿！...
常见库简介 xlrd xlrd是一个从Excel文件读取数据和格式化信息的库,支持.xls以及.xlsx文件. http://xlrd.readthedocs.io/en/latest/ 1.xlrd ...
python与excel常用的第三方库_Python读写Excel文件第三方库汇总
常见库简介 xlrd xlrd是一个从Excel文件读取数据和格式化信息的库,支持.xls以及.xlsx文件. http://xlrd.readthedocs.io/en/latest/ 1.xlrd ...
python不同数据的读入_python读写不同编码txt文件_python读写txt文件
python读写不同编码txt文件_python读写txt文件以后整理规范 [python] view plaincopy import os import codecs filenames=os. ...
python打开文件写文件乱码_Python读写文件乱码问题
对开发者来说,最恼人的问题之一莫过于读写文件的时候,由于编码千差万别,出现乱码问题.好难快速解决啊... 最近我也遇到了这样的问题,经研究,把大致的解决思路拿出来共享. 1. python中习惯首先声 ...
python txt文件报文分析_Python读写txt文本文件的操作方法全解析
一.文件的打开和创建 >>> f = open('/tmp/test.txt') >>> f.read() 'hello python!\nhello world! ...

python能打开的txt文件编码_Python读写txt文件时的编码问题

python能打开的txt文件编码_Python读写txt文件时的编码问题相关推荐

最新文章

热门文章