目录内部解析问题 Python 2.7 与 3.2

Question

我正在尝试在 Python 3 的目录中进行一些基本的文件解析。此代码在 Python 2.7 中完美运行，但我无法弄清楚 Python 3.2 中的问题出在哪里。

import sys, os, re

filelist = os.listdir('/Users/sbrown/Desktop/Test') 
os.chdir('/Users/sbrown/Desktop/Test') 
for file in filelist:
    infile = open(file, mode='r') 
    filestring = infile.read() 
    infile.close() 
    pattern = re.compile('exit') 
    filestring = pattern.sub('so long', filestring) 
    outfile = open(file, mode='w') 
    outfile.write(filestring)
    outfile.close 
exit

这是抛出的错误：

Traceback (most recent call last):
  File "/Users/bunsen/Desktop/parser.py", line 9, in <module>
      filestring = infile.read()
  File "/Library/Frameworks/Python.framework/Versions/3.2/lib/python3.2/encodings/ascii.py", line 26, in decode
      return codecs.ascii_decode(input, self.errors)[0]
  UnicodeDecodeError: 'ascii' codec can't decode byte 0x80 in position 3131: ordinal not in range(128)`

我正在解析的文件都是文本文件。我尝试将方法参数中的编码指定为 utf-8，但这不起作用。有什么想法吗？提前致谢！

如果我将编码指定为 utf-8，则会抛出以下错误：

Traceback (most recent call last):
  File "/Users/sbrown/Desktop/parser.py", line 9, in <module>
    filestring = infile.read()
  File "/Library/Frameworks/Python.framework/Versions/3.2/lib/python3.2/encodings/ascii.py", line 26, in decode
    return codecs.ascii_decode(input, self.errors)[0]
UnicodeDecodeError: 'ascii' codec can't decode byte 0x80 in position 3131: ordinal not in range(128)`

Answer 1

当您打开文件时，您没有指定编码。您需要在 Python 3 中执行此操作，因为在 Python 3 中，文本模式文件将返回解码后的 Unicode 字符串。

现在您尝试使用 UTF-8，但这不起作用，所以显然，这不是使用的编码。只有您知道它是什么编码，但我猜测它是 cp1252，因为 0x80 是该代码页的 € 字符，因此当您有欧洲 Windows 用户时，0x80 失败很常见。 :-)

为了与 Python 2.7 和 3.1 兼容，我建议您使用 io 库来打开文件。这是 Python 3 中默认使用的，并且在 Python 2.6 及更高版本中也可用：

import io
infile = io.open(filelist[0], mode='rt', encoding='cp1252')

Answer 2

这有效吗？

import codecs
infile = codecs.open(filelist[0], encoding='UTF-8')
infile.read()

Answer 3

进行测试

filelist = os.listdir('/Users/sbrown/Desktop/Test') 
infile = open(filelist[0], mode='r') 
print(infile.encoding)

以确保您以 utf-8 格式读取文件。如果没有，请检查您是否没有对编解码器做过任何邪恶的事情。您还可以使用强制 utf-8 发布测试跟踪吗？