我从这里下载了'pi_million_digits.txt'文件:
https://github.com/ehmatthes/pcc/blob/master/chapter_10/pi_million_digits.txt
然后我使用此代码打开并阅读它:
dicts
然而产生的输出是正确的,除了它之前有相同的奇怪符号:“3.141 ....”
是什么导致这些奇怪的符号?我正在剥线,所以我希望删除这些符号。
答案 0 :(得分:5)
您似乎正在使用ISO-8859-1编码使用UTF-8编码Byte Order Mark打开文件(可能是因为这是您操作系统上的默认编码)。
如果你打开它作为字节并读取第一行,你应该看到这样的东西:
>>> next(open('pi_million_digits.txt', 'rb'))
b'\xef\xbb\xbf3.1415926535897932384626433832795028841971693993751058209749445923078164062862089986280348253421170679\n'
...其中\xef\xbb\xbf
是BOM的UTF-8编码。作为ISO-8859-1打开,它看起来像你得到的:
>>> next(open('pi_million_digits.txt', encoding='iso-8859-1'))
'3.1415926535897932384626433832795028841971693993751058209749445923078164062862089986280348253421170679\n'
...并以UTF-8打开它显示实际的BOM字符U + FEFF:
>>> next(open('pi_million_digits.txt', encoding='utf-8'))
'\ufeff3.1415926535897932384626433832795028841971693993751058209749445923078164062862089986280348253421170679\n'
要删除标记,请使用特殊编码utf-8-sig
:
>>> next(open('pi_million_digits.txt', encoding='utf-8-sig'))
'3.1415926535897932384626433832795028841971693993751058209749445923078164062862089986280348253421170679\n'
在上面的示例中使用next()
仅用于演示目的。在您的代码中,您只需要将encoding
参数添加到open()
行,例如
with open(filename, encoding='utf-8-sig') as file_object:
# ... etc.