Question

我正在编写一段代码，打开一个（可能是gzip）文本文件，可以在Python 2和Python 3中运行。

如果我只有普通的文本文件（未压缩），我可以这样做：

import io
for line in io.open(file_name, encoding='some_encoding'):
    pass

如果我不关心解码（在python 2/3中使用字符串/字节）

if file_name.endswith('.gz'):
    file_obj = gzip.open(file_name)
else:
    file_obj = open(file_name)

for line in file_obj:
    pass

我怎样才能顺利地处理这两种情况呢？换句话说，如何将解码与gzip.open（）平滑地集成？

Answer 1

我对此进行了简单测试，似乎做得对。您可以向gzip.GzipFile和io.open提供文件obj，以便

import io
import gzip

f_obj = open('file.gz','r')
io_obj = io.open(f_obj.fileno(), encoding='UTF-8')
gzip_obj = gzip.GzipFile(fileobj=io_obj, mode='r')
gzip_obj.read()

这给了我一个UnicodeDecodeError，因为我正在阅读的文件实际上并不是UTF-8所以看起来它做的是正确的。

出于某种原因，如果我使用io.open直接打开file.gz gzip表示该文件不是压缩文件。

<强>更新是的，这很愚蠢，开始时流是错误的方式。

测试文件

ö
ä
u
y

以下代码使用定义的编解码器

解码压缩文件

import codecs
import gzip
gz_fh = gzip.open('file.gz')
ascii = codecs.getreader('ASCII')
utf8 = codecs.getreader('UTF-8') 
ascii_fh = ascii(gz_fh)
utf8_fh = utf8(gz_fh)
ascii_fh.readlines()
-> UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0: ordinal not in range(128)

utf8_fh.readlines()
-> [u'\xf6\n', u'\xe4\n', u'u\n', u'y']

codecs.StreamReader接受一个流，因此您应该能够将压缩或未压缩的文件传递给它。

http://docs.python.org/library/codecs.html#codecs

在python中使用特定文本编码打开（可能是gzip）文件的通用方法

1 个答案: