Question

我有一些具有不同未知编码的文本文件。现在我必须先打开一个二进制文件来检测编码，然后再用该编码打开它。

  bf = open(f, 'rb')
  code = chardet.detect(bf.read())['encoding']
  print(f + ' : ' + code)
  bf.close()
  with open(f, 'r', encoding=code) as source:
    texts = extractText(source.readlines())
  source.close()  
  with open(splitext(f)[0] + '_texts.txt', 'w', encoding='utf-8') as dist:
    dist.write('\n\n'.join('\n'.join(x) for x in texts))
  dist.close()

那么有更好的方法来处理这个问题吗？

Answer 1

您可以只解码已阅读的文字，而不是重新打开和重读文件：

with open(filename, 'rb') as fileobj:
    binary = fileobj.read()
probable_encoding = chardet.detect(binary)['encoding']
text = binary.decode(probable_encoding)

有没有更好的方法来处理python中的文件编码？

1 个答案: