一個(gè)小問題

今天在做一個(gè)實(shí)驗(yàn)時(shí)，需要對(duì)一個(gè)包含中英文詞匯的TXT文件進(jìn)行讀入和整理。

Python代碼的編碼規(guī)則為UTF-8。在讀入時(shí)，文件的每行是二進(jìn)制串，形如：

b'heroes\xff.....

在對(duì)每行進(jìn)一步進(jìn)行處理時(shí)，要求處理對(duì)象必須為通用字符串，所以：

lineVec = str(line).strip().split('\t')

此時(shí)的lineVec的元素類型為string,但輸出是仍然是 “b'heros\xff…..” ，仍然無法擺脫二進(jìn)制標(biāo)志的影響。然而，尷尬的是，在后邊對(duì)以lineVec元素作為鍵的字典進(jìn)行索引時(shí)，只能獲得通用字符串的鍵。所以，每次索引都以KeyError退出。

在多次嘗試之后，我發(fā)現(xiàn)：二進(jìn)制串在經(jīng)過str()函數(shù)轉(zhuǎn)化之后，已經(jīng)將所有的內(nèi)容都轉(zhuǎn)化成了一個(gè)通用的字符串。也就是說，“b'heros\xff……”中的所有字符都是可以用python的字符串處理手段處理的。

給定一個(gè) word=”b'heros”，如果希望得到通用字符串形式的單詞”heros”，那么我們可以直接取字符串word的第3至最后一個(gè)字母，或?qū)ⅰ癰'”直接替換掉：

newWord = word[2:-1]
#或
newWord = word.replace("b'",'') #因?yàn)閱我?hào)是python中表示字符串的特殊功能字符，所以被替換的字 

符寫作'b''會(huì)報(bào)錯(cuò)。需要用雙引號(hào)把單引號(hào)括起來。

在用上面的方法把字典鍵都更新了一遍之后，世界瞬間和諧了。

一些擴(kuò)充

在解決上邊的問題的過程中，搜索了許多相關(guān)的解決方法，對(duì)python中二進(jìn)制串與通用字符串之間的轉(zhuǎn)換有了一定的了解。但都是關(guān)于純英語字符串轉(zhuǎn)換的，對(duì)上邊的中文字符無用。用下面方法轉(zhuǎn)換中文字符串時(shí)會(huì)出現(xiàn)編碼錯(cuò)誤。

給定通用字符串 string = ‘a(chǎn) string' , 需要把它轉(zhuǎn)換為二進(jìn)制串時(shí)，可以直接調(diào)用字符串的內(nèi)置方法：

print string
>>>a string

bstring = string.encode('ascii') # encode方法，參數(shù)用來指定編碼標(biāo)準(zhǔn)
print bstring
>>>b'a string'

string1 = bstring.decode('ascii') # encode的逆，對(duì)二進(jìn)制串進(jìn)行解碼
print string1
>>>a string

在進(jìn)行文本文件讀入和解析時(shí)，經(jīng)常會(huì)遇到這樣的二進(jìn)制問題，希望對(duì)大家有所幫助。

以上這篇Python二進(jìn)制串轉(zhuǎn)換為通用字符串的方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論