read（）python之后的奇怪字符串格式

Question

我正在尝试使用Python

读取文件

open('/Desktop/test.csv','rb').read()[1:15]

我得到的回复如下：

'\xfeY\x00!\x00B\x00L\x00-\x00 \x00B'

即使我在文本编辑器中打开test.csv，它也是一种可读的字符串格式。有谁知道这是什么格式以及如何将其转换回字符串字符？谢谢！

Answer 1

该文件使用UTF-16进行编码。

>>> open('/Desktop/test.csv', 'r', encoding='UTF-16').read(7)
'Y!BL- B'

或者，如果您仍在使用较旧的Python版本，

>>> import codecs
>>> codecs.open('/Desktop/test.csv', 'r', encoding='UTF-16').read(7)
u'Y!BL- B'

另请注意，Python使用从零开始的索引，就像大多数其他语言一样（C，Java，C＃，JavaScript等...）

>>> 'abcdefghijklmnopqrstuvwxyz'[1:15]
'bcdefghijklmno' # Omits the 'a', which is at index 0

Answer 2

没有什么奇怪的，一切都很好。 Python使用\x00转义序列来表示不可打印的字符：

>>> '\x00'
'\x00'
>>> len('\x00')
1
>>> '\x65'
'e'

注意十六进制字符65是如何打印为e的;毕竟它是一个可打印的ASCII字母。

您的数据可能编码为与ASCII不同的内容;尝试用UTF-16解码它。前1个字节看起来像是UTF-16 BOM的第二个字节：

>>> import codecs
>>> codecs.BOM_UTF16
'\xff\xfe'