时间戳

首页 > 解决方案 > 尝试将 html 标记的文本写入 .txt 文件时出错 - Python

python - 尝试将 html 标记的文本写入 .txt 文件时出错 - Python

问题描述

尝试将包含 HTML 标记的字典键值写入文本文件时收到以下错误。

Traceback (most recent call last):
  File "/Users/jackboland/PycharmProjects/NLTK_example/JsonToTxt.py", line 11, in <module>
    data = json.load(json_data)
  File "/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/json/__init__.py", line 293, in load
    return loads(fp.read(),
  File "/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/codecs.py", line 322, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc0 in position 10: invalid start byte

我有一组 JSON 文件。我成功地将该数据提取到 Python 字典中。然后，从那里，我确定值最长的字典键并将该值提取到文本文件中。该代码适用于最长字典键值为字符串的所有 JSON 文件。对于最长字典键值为 html 内容的文件，它会引发上述错误。

with open(path + file) as json_data:
    data = json.load(json_data)
    for value in data.values():  # gets the value of each dictionary key
    value = str(value)  # converts the value of each dictionary key to a string enabling counting total characters
    vLength = len(value)  # calculates the length of each value in every dictionary key to enable identifying only the longest of the key values
    if vLength > 100:  # if the length of a value is over 200 characters, it prints that, this insures capturing the opinion text no matter what dictionary key it is in
    f = open(newpath + file[:-5] + ".txt", 'w+')
    f.write(value)
    f.close()

作为字符串的字典键值从字典中解析到文本文件中。只有字典键值包含不被写入文本文件的 html。

标签： pythonhtmlfileruntime-errorwriting

解决方案

Python 尝试将字节数组转换为 unicode 字符串。当它尝试这个时，它会遇到一个字节序列，该字节序列在 utf-8 编码的字符串中是不允许的（这里是位置 10 的 0xc0）。

尝试以二进制格式读取文件，以便文件的内容保留为字节。

with open(path + file, 'rb') as json_data:
     //rest of the code

如果这不起作用，请手动指定编码格式。

例子 ：

open(path + file, encoding="utf-8") as json_data
     //rest of the code

您可以在此处获取各种编码格式。

https://docs.python.org/2.4/lib/standard-encodings.html

推荐阅读