Question

文件内容如下，文件编码为utf-8：

cd232704-a46f-3d9d-97f6-67edb897d65f    b'this Friday, Gerda Scheuers will be excited \xe2\x80\x94 but she\xe2\x80\x99s most excited about the merchandise the movie will bring.'

这是我的代码：

with open(file, 'r') as f_in:
    for line in f_in:
        tokens = line.split('\t')
        print(tokens[1])

我想得到正确答案 - ＆＃34;本周五，Gerda Scheuers会很兴奋 - 但她对电影带来的商品最为兴奋。＆＃34;

print(b'\xe2\x80\x94'.decode('utf-8')) #convert into ASCII

但我无法从文件中读取字节。如果我打开一个包含字节的文件，我需要对该行进行解码以进行分割。

Answer 1

您可以使用ast.literal_eval将字节文字转换为字节：

然后，解码它以获取字符串对象：

>>> ast.literal_eval(r"b'excited \xe2\x80\x94 but she\xe2\x80\x99s'")
b'excited \xe2\x80\x94 but she\xe2\x80\x99s'
>>> ast.literal_eval(r"b'excited \xe2\x80\x94 but she\xe2\x80\x99s'").decode('utf-8')
'excited — but she’s'

with open(file, 'r') as f_in:
    for line in f_in:
        tokens = line.split('\t')
        # if len(tokens) < 2:
        #    continue
        bytes_part = ast.literal_eval(tokens[1])
        s = bytes_part.decode('utf-8')  # Decode the bytes to convert to a string

从python3中的文件读取字节字符串

1 个答案: