Question

我有一份西班牙语文档，我想用Python格式化。问题是在输出文件中，重音字符混乱，以这种方式：\ xc3 \ xad。我在一段时间做了一些类似的编辑时成功地保留了正确的角色，虽然我已经尝试了我所做的一切以及更多，但这次它不会起作用。这是代码的当前版本：

# -*- coding: utf-8 -*- 

import re
import pickle

inputfile = open("input.txt").read()

pat = re.compile(r"(@.*\*)")

mylist = pat.findall(inputfile)

outputfile = open("output.txt", "w")

pickle.dump(mylist, outputfile)

outputfile.close()

我在Windows 7上使用Python 2.7。谁能看到任何明显的问题？输入文件以utf-8编码，但我也尝试将其编码为latin-1。感谢。

澄清一下：我的问题是拉丁字符在输出中没有正确显示。它现在已经解决了，我只需按照mata的建议添加这一行：

inputfile = inputfile.decode('utf-8')

Answer 1

输入文件是以utf-8编码的，然后你应该decode首先使用它：

import re
import pickle

inputfile = open("input.txt").read()
inputfile = inputfile.decode('utf-8')

pat = re.compile(r"(@.*\*)")

mylist = pat.findall(inputfile)

outputfile = open("output.txt", "w")

pickle.dump(mylist, outputfile)

outputfile.close()

这样创建的文件将包含列表的pickle版本。你宁愿hava一个人类可读的文件，那么你可能只想使用一个普通的文件处理不同编码的一种好方法是使用codecs模块：

import re
import codecs

with codecs.open("input.txt", "r", "utf-8") as infile:
    inp = infile.read()

pat = re.compile(r"(@.*\*)")
mylist = pat.findall(inp)

with codecs.open("output.txt", "w", "utf-8") as outfile:
     outfile.write("\n".join(mylist))

Python：输出中拉丁字符的问题

1 个答案: