Question

我只是想导入一个中文txt文件并打印出内容。以下是我从网上复制的txt文件的内容，简体中文：http://stock.hexun.com/2013-06-01/154742801.html

起初，我试过这个：

userinput = raw_input('Enter the name of a file')
f=open(userinput,'r')
print f.read()
f.close()

它可以打开文件并打印但显示的内容是乱码。然后我尝试了以下编码：

#coding=UTF-8
userinput = raw_input('Enter the name of a file')
import codecs
f= codecs.open(userinput,"r","UTF-8")
str1=f.read()
print str1
f.close()

但是，它显示了一条错误消息。 UnicodeEncodeError：'cp950编解码器无法在位置50编码字符u'\ u76d8'：非法的mutibyte序列。

为什么会发生错误？怎么解决？我尝试过像Big5，cp950这样的其他unicode ......但它仍然不起作用。

Answer 1

这是用于显示角色的终端系统。在Windows 7上使用IDLE，它工作正常：

>>> val = u'\u76d8'
>>> print val
盘

但如果我使用cmd.exe，那么我会收到您的错误。

使用支持unicode编码的终端显示方法。

Answer 2

Python（至少在Python 3.0之前）知道两种字符串：①字节数组和②字符数组。

②中的字符是Unicode，这种字符串的类型也称为unicode。

①（Python中名为str的类型）中的字节可以是可打印的字符串或其他内容（二进制数据）。如果它是可打印的字符串，则它也可以是Unicode字符串的编码版本（例如UTF-8，latin-1或类似）。然后几个字节可以代表一个字符。

在您的用例中，我建议将该文件作为字节列表读取：

with open('filename.txt') as inputFile:
    bytes = inputFile.read()

然后通过从文件中使用的编码解码它来将该字节数组转换为合适的Unicode字符串（您必须找到它！）：

unicodeText = bytes.decode('utf-8')

然后打印出来：

print unicodeText

最后一步取决于输出设备的功能（xterm，...）。它可能能够显示Unicode字符，然后一切都很好，字符可以正确显示。但它可能无法使用Unicode，或者更可能的是，Python只是没有充分了解这些功能，那么您将收到错误消息。如果将输出重定向到文件或将其输送到第二个进程，也会发生这种情况。

为防止出现此问题，您可以再次将Unicode字符串转换为字节数组，选择您选择的编码：

print unicodeText.encode('utf-8')

这样你只会打印每个终端，输出文件和第二个进程（管道时）可以处理的字节。

如果输入和输出编码相同，那么当然，您不必解码和编码任何东西。但是，由于您遇到了一些麻烦，因此编码很可能会有所不同，因此您必须执行这两个步骤。

Answer 3

Code page 936是唯一具有字符0x76D8（编码为0xC5CC）的字符。你需要使用gbk或cp936

Answer 4

with open('chinese.txt','r+b') as inputFile:
    bytes = inputFile.read()
    print(bytes.decode('utf8'))

Answer 5

JUst TRY：

f=open(userinput,'r')
print f.read().decode('gb18030').encode('u8')

为什么即使使用编码我也无法在python中显示中文字符？

5 个答案: