用Python读取Dot文件

Question

我正在尝试阅读包含以下内容的点文件：

graph {
    KZJLCHYE -- DJTGWUZZ;
    PNLWKOXF -- BFSIOMPY;
    ...
}

但是当我尝试读取点文件时，我得到了＆＃34; UnicodeDecodeError：＆＃39; utf-8＆＃39;编解码器不能解码位置0中的字节0xd0：无效的连续字节＆＃34;。有没有办法只使用标准库在Python中读取点文件的内容？

Answer 1

文本文件的编码是一个永远无法完全解决的模糊主题。你需要猜测编码，或者手上有一个损坏的（或二进制）文件：

1. 要猜测编码，请尝试在任何高级文本编辑器中打开它，看看它是否为您猜测编码和/或突出显示有问题的字符。

2. 如果你不关心pos 0中的坏字符，你可以指示python忽略它。请参阅Python3手册：open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None) - 只需设置errors='ignore' Python3比python2更好地处理编码，所以如果你提到你正在使用哪个版本，它会有所帮助。

3. 将文件作为二进制流读取，并在将其转换为str：open(file, 'rb')时处理错误字符。同样，你的解码选项取决于python版本，所以我不能进一步详细说明。

Answer 2

要忽略文件中的unicode字符，您可以

var = unicode(var, errors='ignore')