时间戳

首页 > 解决方案 > 我有这个包含一堆字节和一些文本的非文本文件，我该如何将文本与其他文本完全分开？

python - 我有这个包含一堆字节和一些文本的非文本文件，我该如何将文本与其他文本完全分开？

问题描述

该文件相对较长（大约 3MB），所以它不是可以手动完成的，其中的文本量可能达到一千多行分散在它上面（并且也有换行符，所以文本格式正确）。关于字节部分的结束位置和文本部分的开始位置（文本也以字节为单位，这不是 txt 文件），我没有任何格式的指示，除了一大块被字节包围的文本然后在那里是另一块文本。删除 notepad++ 中的所有非 ASCII 字符确实会删除其中的很大一部分，但仍有一大堆其他内容遗漏。

首选语言是 Python。

标签： python

解决方案

使用似乎与内容匹配的编码（可能是utf8）打开文件，然后忽略所有错误：

with open("my_file", encoding="utf8", errors="ignore") as f:
   for i, line in enumerate(f, 1):
       # do something with line

读取文件时查看Python中的UnicodeDecodeError，如何忽略错误并跳转到下一行？了解更多信息。

推荐阅读