- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
如果 python 脚本使用 open("filename", "r")
函数打开并随后读取文本文件的内容,我如何判断该文件是哪种编码应该有?
请注意,由于我是从我自己的程序中执行此脚本,如果有任何方法可以通过环境变量来控制它,那么这对我来说就足够了。
顺便说一句,这是 Python 2.7。
有问题的代码来自 Mercurial,可以通过磁盘上的文件为它提供一个文件列表,例如添加到存储库,而不是通过命令行传递它们。
所以基本上,而不是这个:
hg add A B C
我可以将 A、B 和 C 写到一个文件中,每个文件之间有换行符,然后执行以下操作:
hg add listfile:input.txt
最终读取这个文件的代码是这样的:
files = open(name, 'r').read().split(delimiter)
因此我的问题。当我询问我应该使用哪种编码时,我在 IRC 上得到的答案是:
it is the same encoding than the one you use on command line when passing a file argument
我认为这意味着它与我在执行 Mercurial (hg) 时“使用”的编码相同。由于我不知道那是哪种编码,我只是将所有内容都提供给 .NET Process 对象,我在这里问。
最佳答案
你不能。读取文件与其编码无关;您需要提前知道编码,以便正确解释您读入的字节。
例如,如果您知道文件是用 UTF-8 编码的:
with open('filename', 'rb') as f:
contents = f.read().decode('utf-8-sig') # -sig deals with BOM, if present
或者如果您知道该文件仅为 ASCII:
with open('filename', 'r') as f:
contents = f.read() # results in a str object
如果您真的不知道文件的编码,那么显然不能保证您可以正确读取它;但是,您可以使用 chardet
等工具猜测编码.
更新:
我想我现在明白你的问题了。我以为您有一个需要为其编写代码的文件,但看起来您有需要为其编写文件的代码 ;-)
有问题的代码可能只正确处理纯 ASCII(字符串可能稍后被转换,但我认为不太可能)。因此,您需要制作一个仅包含 ASCII(代码点 < 128)字符的文本文件,并确保它以 ASCII 编码(即不是 UTF-16 或类似的编码)保存。考虑到 Mercurial 处理可以包含 Unicode 字符的文件名,这有点不幸。
关于Python open ("x", "r") 函数,我怎么知道或控制文件应该有哪种编码?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5849654/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!