python 打开文件后的编码?

lioujian47

先说明目的:
打开下面的文件匹配html内容;找到则打印出来,找不到则返回"无"
我的文件内容如下:
a.txt(按行存储)

邬静娜
邬敏
郇公弟
郜彦伟
鄢闻余
奚春山
闫立良
闫婧宇
宓家峰
璩静

>>>myfile = open("a.txt") >>>myfile.seek(0) >>>str = myfile.read() >>>a_file = str.decode("gb2312","ignore").encode("utf-8") >>>for line in a_file.split('\n'): ...            if re.search(line,html):                          print line               else:                          print "无" >>> myfile.close()

因为之前的html已经转换成了utf-8的编码,所以打开的文件a.txt也要转换,但转换之后,内容中有些错误有些丢失.不知道该怎么办了,还请高人指点.谢谢

9119111

编码问题？

xiaoyu9805119

统一编码

lioujian47

恩,打开本地一个文件需要转换编码吧?
但转换之后有不少的乱码.
另外
for line in a_file.split('\n'):
中
line的情况是一个字一个字的输出吧?
比如一行为"鄢闻余",但进入re.search的却是
re.search("鄢",html)
re.search("闻",html)
re.search("余",html)
是这样的吗?
我觉得好像是,但这样的话怎么解决?

lioujian47

原帖由 xiaoyu9805119 于 2008-8-15 10:23 发表
统一编码

a_file = str.decode("gb2312","ignore").encode("utf-8")
这句话就是同一编码啊,我的html已经统一成utf-8了.与文件无关的操作的re很正常.
还需要怎么统一?

xiaoyu9805119

我说的统一是所有编码唉，比如你的html编码是gbk，那你的py脚本编码和文件编码也是gbk，这样能省去不少麻烦。

不行就只能decode然后encode了

lioujian47

我的py是utf-8,html是utf-8,文件在转码之后也是utf-8,但出现了部分乱码!

retuor

哪个文件转换之后出现乱码？


看到了， 你是说 txt 转换后出现乱码.

[ 本帖最后由 retuor 于 2008-8-15 10:50 编辑 ]

lioujian47

原帖由 retuor 于 2008-8-15 10:49 发表
哪个文件转换之后出现乱码？

a.txt

retuor

我测试是正常的，不会 split 成一个一个字。

1. 
   
2. #!/usr/bin/env python                                                           
   
3. #-*- coding:utf-8 -*-                                                           
   
4. 
   
5. myfile=open("a.txt")
   
6. str=myfile.read()
   
7. a_file=str.decode("gb2312", "ignore").encode("utf-8")
   
8. for x in a_file.split('\n'):
   
9.     print x
   

复制代码

输出：

邬静娜
邬敏
郇公弟
郜彦伟
鄢闻余
奚春山
闫立良
闫婧宇
宓家峰
璩静

把你的 a.txt 上传一下？