Question

我正在运行以下代码：

def displayFileOld(file_path):
    f = open(file_path, mode = 'rt', encoding = 'cp1252', errors = 'replace')  
    while True:
        line = f.readline()
        if len(line) == 0:
            break
        print(line)

在Python 3.3，Windows 8 Pro。

我正在“解析”（Java源文件）的文件由Eclipse显示为在Cp1252中编码（“从主容器继承”）。 Notepad ++在“编码”菜单下没有比“ANSI”更多的内容。这两场比赛。

首先，我希望编码为Unicode ...工作。但是，它失败了，消息是：

Traceback (most recent call last):
  File "C:\work\test.py", line 69, in <module>
    main()
  File "C:\work\test.py", line 65, in main
    displayFileOld(r'C:\work\CVSProvisioningFeatures.java')
  File "C:\work\test.py", line 48, in displayFileOld
    print(line)
  File "C:\Python33\lib\encodings\cp437.py", line 19, in encode
    return codecs.charmap_encode(input,self.errors,encoding_map)[0]
UnicodeEncodeError: 'charmap' codec can't encode characters in position 62-63:     character maps to <undefined>

其次，我不希望我的堆栈跟踪提到cp437.py，而不是与我在标志中提到的编码对应的* .py文件。（遇到“†”字符时解析失败，不确定Unicode如何不包含此字符 - 这是上下文：'new FeatureDescription（i ++，“††”+ str））;'）。

第三，我不确定为什么会完全忽略错误标志。

我花了几个小时尝试在通用“ANSI”保护伞下托管的不同编码，但是徒劳无功。我所能做的就是捕获异常并忽略该行（不可接受）。另一种方法是使用一些“异国情调”的编码，例如MacRoman，但是在经过整个源代码树之后，仍然留下了一些意想不到的字符（尽管我只有12个错误而不是431个）...我最终需要的字符转发工作，传递大量的字符串。我有大约50 MB的Java源代码来处理使用脚本，因此非常感谢任何有助于实现此设置的帮助。

Answer 1

您的问题不在于阅读文件，而在于打印;回溯显示行print(line)在UnicodeEncodeError之前（请注意该异常中的编码）。当您读取文件时，您正在从cp1252到unicode对象进行解码，这样就可以了。

您的Windows终端正在使用代码页437，无法处理您尝试打印的字符。 Python需要将您的数据从unicode转换为终端使用的任何数据，以便能够向您显示字符。

您可以使用chcp 65001命令切换终端代码页（不是Python表达式，而是Windows命令行工具）。代码页65001是UTF-8代码页，可以处理所有Unicode代码点。您可能需要切换字体才能显示这些字符。见Unicode characters in Windows command line - how?

调用readline（）时，文件打开过滤器显然被忽略

1 个答案: