Question

我是python的新手，面临一个奇怪的问题：

当我在目录中有50个txt文件时，我想读取每个.txt文件并将其内容保存在一个唯一的变量中：

**file = open(fcf[i], 'r')
text[i] = file.read()**

当我只阅读一个文件时，它没问题：

count = 0
for file_flag in fcf:
    if file_flag == 'feature.txt':
        file = open(fcf[count], 'r')
        features = file.read().split() # a list, word by word
    count = count+1

但是，要在循环中读取txt文件，这是错误的：

下面是我的代码，出现了一个非常奇怪的错误，

**text = np.zeros((np.shape(fcf)[0],1))
for flag in range(np.shape(fcf)[0]):
    file = open(fcf[flag], 'r')
    text = file.read() # string
    file.close()**

---------------------------------------------------------------------------
UnicodeDecodeError                        Traceback (most recent call last)
<ipython-input-41-7e544d88ee9d> in <module>()
      2 for flag in range(np.shape(fcf)[0]):
      3     file = open(fcf[flag], 'r')
----> 4     text = file.read() # string
      5     file.close()

**UnicodeDecodeError: 'gbk' codec can't decode byte 0x94 in position 418: illegal multibyte sequence**

更新

以循环形式：

file = open(fcf[flag], 'r', encoding='UTF-8')

也会发生错误：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x94 in position 418: invalid start byte

有人能帮帮我吗？非常感谢你！

更新2：

似乎在这些.txt文件中，大多数都是Unicode，这对python来说是持久的。我发现，在记事本中，ANSI编码中有2个.txt文件，这导致了这个问题。

我如何在python中同时读取ANSI和Unicode？

UPDATE3：

谢谢大家。这个问题已修复。

这个问题有两个原因：

一些ANSI txt文件属于整体UTF8文件。
ANSI编码上出现了一些奇怪的匹配：

没有 - 没有抰不是 - 不是抰等等（'n - ＆gt;抰）（＆＃34;嗯 - ）ell）

虽然我的电脑完全是英语，但ANSI txt仍会出现这个问题。（需要手动修改，因为记事本只改变编码，而不是上面那些奇怪的字符...）

希望它对面临类似问题的其他人有所帮助。 THX

Answer 1

您以默认文本模式打开文件。在阅读它时，Python会尝试使用您平台的默认编码对其进行解码，这似乎是“gbk＆＃39;”。显然，您尝试阅读的文件使用其他编码，这会导致此错误。

您必须在open中指明要使用的编码。如果是UTF-8＆＃39;，例如：

file = open(fcf[flag], 'r', encoding='UTF-8')

如果你的文件使用不同的编码，你必须首先弄清楚，我不知道你所在地的常见情况。您可以查看the list of standard encodings。

对于中文，列出的编码是＆＃39; gb2312＆＃39; gb18030＆＃39;＆＃39; hz＆＃39;，您可以尝试使用这些编码。

如何在Python中读取ANSI和Unicode txt文件？

1 个答案: