Hướng dẫn python read file in ascii encoding - python đọc tệp bằng mã hóa ascii
|
Tôi đã tạo một bugreport trong Android thông qua ADB và trích xuất tệp báo cáo lớn. Nhưng khi tôi mở và đọc tệp đó, nó in: Show
Dường như cả UTF-8 và ASCII codec đều không thể giải mã được tệp. Sau đó, tôi đã kiểm tra mã hóa tệp bởi hai lệnh: Chúng cho tôi xem tệp được mã hóa trong ASCII, trong khi tôi không thể mở nó bằng codec ASCII. Một số manh mối khác: 1. Trình thông dịch Python trên là Python 3.6.3. Tôi đã thử Python 2.7,14 và nó đã diễn ra tốt đẹp. 2. Nếu tệp được mở bằng cách thêm các lỗi tham số = 'bỏ qua' và mã hóa = 'ascii', nó có thể được đọc nhưng tất cả các ký tự Trung Quốc đều bị mất. Vậy làm thế nào tôi có thể mở tệp đặc biệt đó trong Python 3? Ai giúp tôi với? Một cuộc thảo luận gần đây về danh sách gửi thư Python-Ideas cho thấy rõ rằng chúng tôi (tức là các nhà phát triển Python cốt lõi) cần cung cấp một số hướng dẫn rõ ràng hơn về cách xử lý các tác vụ xử lý văn bản kích hoạt các ngoại lệ theo mặc định trong Python 3, nhưng trước đó Rug by Python 2 của BLITHE giả định rằng tất cả các tệp được mã hóa trong Lat Latin-1. Mặc dù chúng tôi sẽ có một cái gì đó trong các tài liệu chính thức trước khi quá lâu, nhưng đây là nỗ lực sơ bộ của riêng tôi trong việc tóm tắt các tùy chọn để xử lý các tệp văn bản và sự đánh đổi khác nhau giữa chúng. Câu hỏi rõ ràng để đặt ra là những gì đã thay đổi trong Python 3 để các phương pháp phổ biến mà các nhà phát triển sử dụng để sử dụng để xử lý văn bản trong Python 2 hiện đã bắt đầu ném Sự khác biệt chính là hành vi xử lý văn bản mặc định trong Python 3 nhằm mục đích phát hiện các vấn đề mã hóa văn bản càng sớm càng tốt - khi đọc văn bản được mã hóa không đúng Trong mã hóa mục tiêu (được biểu thị bằng Điều này tương phản với cách tiếp cận Python 2 cho phép tham nhũng dữ liệu theo mặc định và kiểm tra chính xác nghiêm ngặt phải được yêu cầu một cách rõ ràng. Điều đó chắc chắn có thể thuận tiện khi dữ liệu được xử lý chủ yếu là văn bản ASCII, và một chút tham nhũng dữ liệu không có khả năng được phát hiện, chứ đừng nói đến việc gây ra vấn đề, nhưng nó hầu như không phải là nền tảng vững chắc để xây dựng các ứng dụng đa ngôn ngữ mạnh mẽ đã từng phải theo dõi một Tuy nhiên, Python 3 không cung cấp một số cơ chế để thư giãn các kiểm tra nghiêm ngặt mặc định để xử lý các trường hợp sử dụng xử lý văn bản khác nhau (đặc biệt, các trường hợp sử dụng trong đó việc xử lý tốt nhất là có thể chấp nhận được và không cần phải có tính đúng đắn nghiêm ngặt). Bài viết này nhằm giải thích một số trong số họ bằng cách xem xét các trường hợp sẽ phù hợp để sử dụng chúng. Lưu ý rằng nhiều tính năng tôi thảo luận dưới đây cũng có sẵn trong Python 2, nhưng bạn phải truy cập rõ ràng chúng thông qua loại Unicode cơ bảnĐể xử lý văn bản một cách hiệu quả trong Python 3, nó cần phải tìm hiểu ít nhất một lượng nhỏ về mã hóa Unicode và văn bản:
Người xử lý lỗi UnicodeĐể giúp tiêu chuẩn hóa các kỹ thuật khác nhau để xử lý các lỗi mã hóa và giải mã unicode, Python bao gồm một khái niệm về trình xử lý lỗi Unicode được tự động gọi bất cứ khi nào gặp sự cố trong quá trình mã hóa hoặc giải mã văn bản. Tôi sẽ không bao gồm tất cả chúng trong bài viết này, nhưng ba người có ý nghĩa đặc biệt:
Tùy chọn nhị phânMột thay thế luôn có sẵn là mở các tệp ở chế độ nhị phân và xử lý chúng dưới dạng byte chứ không phải là văn bản. Điều này có thể hoạt động trong nhiều trường hợp, đặc biệt là những trường hợp các điểm đánh dấu ASCII được nhúng trong dữ liệu nhị phân tùy ý thực sự. Tuy nhiên, đối với cả dữ liệu văn bản của người Viking với dữ liệu văn bản không xác định và dữ liệu văn bản với mã hóa đã biết, nhưng có khả năng chứa các lỗi mã hóa, thường nên đưa chúng vào một dạng có thể được xử lý dưới dạng chuỗi văn bản. Cụ thể, một số API chấp nhận cả byte và văn bản có thể rất nghiêm ngặt về việc mã hóa các byte mà họ chấp nhận (ví dụ, mô-đun ____23 chỉ chấp nhận dữ liệu ASCII thuần túy để xử lý như byte, nhưng sẽ vui vẻ xử lý các chuỗi văn bản có chứa không ACCII điểm mã). Xử lý tệp văn bảnPhần này khám phá một số trường hợp sử dụng có thể phát sinh khi xử lý văn bản. Mã hóa văn bản là một chủ đề đủ phức tạp mà không có kích thước nào phù hợp với tất cả các câu trả lời - câu trả lời đúng cho một ứng dụng nhất định sẽ phụ thuộc vào các yếu tố như:
Các tệp trong mã hóa tương thích ASCII, nỗ lực tốt nhất là chấp nhận được.Trường hợp sử dụng: Các tệp được xử lý là trong mã hóa tương thích ASCII, nhưng bạn không biết chính xác cái nào. Tất cả các tệp phải được xử lý mà không kích hoạt bất kỳ ngoại lệ nào, nhưng một số rủi ro tham nhũng dữ liệu được coi là chấp nhận được (ví dụ: đối chiếu các tệp nhật ký từ nhiều nguồn trong đó một số lỗi dữ liệu được chấp nhận, miễn là các bản ghi vẫn còn nguyên vẹn). the files to be processed are in an ASCII compatible encoding, but you don’t know exactly which one. All files must be processed without triggering any exceptions, but some risk of data corruption is deemed acceptable (e.g. collating log files from multiple sources where some data errors are acceptable, so long as the logs remain largely intact). Cách tiếp cận: Sử dụng mã hóa Latin-1-1 để ánh xạ các giá trị byte trực tiếp đến 256 điểm mã Unicode đầu tiên. Đây là Python 3 tương đương gần nhất cung cấp cho mô hình xử lý văn bản Python 2 cho phép. use the “latin-1” encoding to map byte values directly to the first 256 Unicode code points. This is the closest equivalent Python 3 offers to the permissive Python 2 text handling model. Ví dụ: Ghi chú Mặc dù mã hóa Windows UnicodeDecodeError. Mã hóa Consequences:
Các tệp trong mã hóa tương thích ASCII, giảm thiểu rủi ro tham nhũng dữ liệuTrường hợp sử dụng: Các tệp được xử lý là trong mã hóa tương thích ASCII, nhưng bạn không biết chính xác cái nào. Tất cả các tệp phải được xử lý mà không kích hoạt bất kỳ ngoại lệ nào, nhưng một số lỗi liên quan đến Unicode đều được chấp nhận để giảm nguy cơ tham nhũng dữ liệu (ví dụ: đối chiếu các tệp nhật ký từ nhiều nguồn đối với các lỗi lập trình vi phạm giả định chỉ viết lại dữ liệu trong mã hóa ban đầu của nó) the files to be processed are in an ASCII compatible encoding, but you don’t know exactly which one. All files must be processed without triggering any exceptions, but some Unicode related errors are acceptable in order to reduce the risk of data corruption (e.g. collating log files from multiple sources, but wanting more explicit notification when the collated data is at risk of corruption due to programming errors that violate the assumption of writing the data back out only in its original encoding) Cách tiếp cận: Sử dụng mã hóa Ví dụ: Consequences:
Các tệp trong một mã hóa cụ thể nền tảng điển hìnhTrường hợp sử dụng: Các tệp được xử lý trong một mã hóa nhất quán, mã hóa có thể được xác định từ các chi tiết hệ điều hành và cài đặt ngôn ngữ và có thể từ chối xử lý các tệp không được mã hóa đúng. the files to be processed are in a consistent encoding, the encoding can be determined from the OS details and locale settings and it is acceptable to refuse to process files that are not properly encoded. Cách tiếp cận: Chỉ cần mở tệp trong chế độ văn bản. Trường hợp sử dụng này mô tả hành vi mặc định trong Python 3. simply open the file in text mode. This use case describes the default behaviour in Python 3. Ví dụ: Consequences:
Các tệp trong một mã hóa nhất quán, được biết đếnTrường hợp sử dụng: Các tệp được xử lý trên danh nghĩa trong một mã hóa nhất quán, bạn biết mã hóa chính xác trước và có thể chấp nhận từ chối xử lý các tệp không được mã hóa đúng. Điều này ngày càng trở nên phổ biến hơn, đặc biệt là với nhiều định dạng tệp văn bản bắt đầu chuẩn hóa trên UTF-8 như mã hóa văn bản ưa thích. the files to be processed are nominally in a consistent encoding, you know the exact encoding in advance and it is acceptable to refuse to process files that are not properly encoded. This is becoming more and more common, especially with many text file formats beginning to standardise on UTF-8 as the preferred text encoding. Cách tiếp cận: Mở tệp ở chế độ văn bản với mã hóa thích hợp open the file in text mode with the appropriate encoding Ví dụ: Consequences:
Các tệp trong một mã hóa nhất quán, được biết đếnTrường hợp sử dụng: Các tệp được xử lý trên danh nghĩa trong một mã hóa nhất quán, bạn biết mã hóa chính xác trước và có thể chấp nhận từ chối xử lý các tệp không được mã hóa đúng. Điều này ngày càng trở nên phổ biến hơn, đặc biệt là với nhiều định dạng tệp văn bản bắt đầu chuẩn hóa trên UTF-8 như mã hóa văn bản ưa thích. the files to be processed include markers that specify the nominal encoding (with a default encoding assumed if no marker is present) and it is acceptable to refuse to process files that are not properly encoded. Cách tiếp cận: Mở tệp ở chế độ văn bản với mã hóa thích hợp first open the file in binary mode to look for the encoding marker, then reopen in text mode with the identified encoding. Ví dụ: Consequences:
Các tệp trong một mã hóa nhất quán, được biết đến Làm cách nào để đọc một tệp ASCII trong Python?Phương pháp 1: Mở toàn bộ tệp dưới dạng một chuỗi lớn. Phương pháp 2: Mở toàn bộ tệp cùng một lúc dưới dạng danh sách các dòng (nghĩa là mỗi phần tử trong danh sách = một dòng của tệp). Phương pháp 3: Mở một tập tin trực tuyến theo từng dòng.Open the whole file as one big string. Method 2: Open the whole file at once as a list of lines (i.e. each element in list = one line of the file). Method 3: Open a file “line-by-line”.
Làm cách nào để mở một mã hóa tệp trong Python?Mở tệp văn bản để mở tệp, bạn có thể sử dụng hàm Open in () tích hợp của Python. Bên trong các dấu ngoặc đơn hàm mở (), bạn chèn filepath để được mở trong các dấu ngoặc kép. Bạn cũng nên chèn một mã hóa ký tự, mà chúng ta sẽ nói thêm về bên dưới. Hàm này trả về cái gọi là đối tượng tệp.use Python's built-in open() function. Inside the open() function parentheses, you insert the filepath to be opened in quotation marks. You should also insert a character encoding, which we will talk more about below. This function returns what's called a file object.
Làm thế nào để bạn giải mã một tệp trong Python?Decode () là một phương thức được chỉ định trong các chuỗi trong Python 2. Phương pháp này được sử dụng để chuyển đổi từ một sơ đồ mã hóa, trong đó chuỗi đối số được mã hóa thành sơ đồ mã hóa mong muốn.Điều này hoạt động đối diện với mã hóa.Nó chấp nhận mã hóa của chuỗi mã hóa để giải mã nó và trả về chuỗi gốc. is a method specified in Strings in Python 2. This method is used to convert from one encoding scheme, in which argument string is encoded to the desired encoding scheme. This works opposite to the encode. It accepts the encoding of the encoding string to decode it and returns the original string.
Python có sử dụng UTF khôngUTF-8 là một trong những mã hóa được sử dụng phổ biến nhất và Python thường mặc định sử dụng nó.UTF là viết tắt của định dạng chuyển đổi Unicode, và '8' có nghĩa là các giá trị 8 bit được sử dụng trong mã hóa.(Ngoài ra còn có mã hóa UTF-16 và UTF-32, nhưng chúng ít được sử dụng hơn UTF-8.)Python often defaults to using it. UTF stands for “Unicode Transformation Format”, and the '8' means that 8-bit values are used in the encoding. (There are also UTF-16 and UTF-32 encodings, but they are less frequently used than UTF-8.) |
