Question

我正在尝试格式化文件以便将其插入到数据库中，该文件最初是压缩的并且大小为1.3MB。每一行看起来像这样：

398，％7EAnoniem + 001％7E，543,480,7525010,1775,0

这就是解析此文件的代码：

   Village = gzip.open(Root+'\\data'+'\\' +str(Newest_Date[0])+'\\' +str(Newest_Date[1])+'\\' +str(Newest_Date[2])\
               +'\\'+str(Newest_Date[3])+' village.gz');
Village_Parsed = str
for line in Village:
    Village_Parsed = Village_Parsed + urllib.parse.unquote_plus(line);
print(Village.readline());

当我运行程序时，我收到此错误：

Village_Parsed = Village_Parsed + urllib.parse.unquote_plus(line);
文件“C：\ Python31 \ lib \ urllib \ parse.py”，第404行，在unquote_plus中 string = string.replace（'+'，''） TypeError：期望具有缓冲区接口的对象

知道这里有什么问题吗？在此先感谢您的任何帮助：）

Answer 1

问题1是urllib.unquote_plus不喜欢你喂它的line。消息应为“请提供str对象”:-)我建议您修复下面的问题2，并插入：

print('line', type(line), repr(line))

在您的for语句后立即发布，以便您了解line中的内容。

你会发现它返回字节对象：

>>> [line for line in gzip.open('test.gz')]
[b'nudge nudge\n', b'wink wink\n']

使用'r'模式效果不明显：

>>> [line for line in gzip.open('test.gz', 'r')]
[b'nudge nudge\n', b'wink wink\n']

我建议您不要将line传递给解析例程，而是传递line.decode('UTF-8') ...或者编写gz文件时使用的任何编码。

问题2在这一行：

Village_Parsed = str

str是一种类型。你需要一个空的str对象。为了实现这一点，你可以调用类型，即str()，与使用字符串常量''相比，这是正式正确但不切实际/异常/可鄙/怪异...所以这样做：

Village_Parsed = ''

你也有问题3：你的最后一句话是在EOF之后尝试读取gz文件。

Answer 2

import gzip, os, urllib.parse

archive_relpath = os.sep.join(map(str, Newest_Date[:4])) + ' village.gz'  
archive_path = os.path.join(Root, 'data', archive_relpath)

with gzip.open(archive_path) as Village:
    Village_Parsed = ''.join(urllib.parse.unquote_plus(line.decode('ascii'))
                             for line in Village)
    print(Village_Parsed)

输出：

398,~Anoniem 001~,543,480,7525010,1775,0

注意：RFC 3986 - Uniform Resource Identifier (URI): Generic Syntax说：

本规范不强制要求任何特定的字符编码用于URI字符和。之间的映射用于存储或存储的八位字节传输这些字符。当一个URI 出现在协议元素中，字符编码由它定义协议;没有这样的定义，假定URI在与...相同的字符编码周围的文字。

因此，'ascii'片段中的line.decode('ascii')应替换为您用于对文字进行编码的任何字符编码。

parse.unquote_plus TypeError

2 个答案: