Python读写txt文件时的编码问题

转载自： https://www.cnblogs.com/baijing1/p/9885891.html
（授权问题请直接私信）

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：

with open ('AVE_input.txt', 'r', encoding='utf-8') as f: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：

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：

　　 with open ('a.txt', 'w', encoding='utf-8') as f: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读写txt文件时的编码问题相关推荐

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 ...
python读取txt文件时去除换行符
python读取txt文件时去除换行符 python的readlines()方法用于读取所有行,且返回值是一个列表,换行符包含在字符串中. f = open("temp.txt", ...
python读txt文件时末尾许多空格-python读取txt文件时去掉空格的方法
python读取txt文件时去掉空格的方法发布时间:2020-09-22 14:15:44 来源:亿速云阅读:85 作者:小新这篇文章给大家分享的是有关python读取txt文件时去掉空格的方法 ...
python csv文件复制时的编码问题_使用python读取CSV文件时的编码问题
尝试使用python读取CSV文件时遇到障碍. 更新:如果只想跳过字符或错误,可以打开文件,如下所示: with open(os.path.join(directory, file), 'r', en ...
python创建txt文件并写入编码-Python文本文件读写操作时的字符编码问题
说明1:文本文件的字符编码问题只存在t模式中,如:open('a.txt', mode='rt') 编码(encode): 我们输入的任何字符想要以文件(如.txt)的形式保存在计算机的硬盘上, 必须 ...
python 读写txt文件乱码问题
从报错讲起: UnicodeDecodeError: 'gbk' codec can't decode byte 0xaa in position 2: illegal multibyte seque ...
python读取txt文件时，报错【utf-8 codec cant decode byte 0xcc】的解决办法
最近在学习正则表达式,想要统计[天龙八部]中各个主角出现的次数. 在读取文件的时候,提示下面错误: 原来下载的天龙八部txt文件的编码格式是[ANSI],所以读取报错了. 解决办法很简单,将文件的编码 ...
python读写txt 文件
一.读文件步骤:打开 – 读取 – 关闭 f= open('D:\pythontxt1.txt') f.read() #返回txt 文件的所有内容 while True: lines = f.rea ...
python读写txt文件，并用jieba库进行中文分词
在虎扑上随便找了一段文字,粘贴到word.txt文件中,然后对这段文字进行处理. 其中用到的matplotlib库,主要是用来绘图:jieba库,对文字进行分词:wordcloud库,构建词云. 一. ...

Python读写txt文件时的编码问题

Python读写txt文件时的编码问题相关推荐

最新文章

热门文章