python - 撇号变成\x92

Question

mycorpus.txt

Human where's machine interface for lab abc computer applications   
A where's survey of user opinion of computer system response time

停用词.txt

let's
ain't
there's

下面的代码

corpus = set()
for line in open("path\\to\\mycorpus.txt"):
    corpus.update(set(line.lower().split()))
print corpus

stoplist = set()
for line in open("C:\\Users\\Pankaj\\Desktop\\BTP\\stopwords_new.txt"):
    stoplist.add(line.lower().strip())
print stoplist

给出以下输出

set(['a', "where's", 'abc', 'for', 'of', 'system', 'lab', 'machine', 'applications', 'computer', 'survey', 'user', 'human', 'time', 'interface', 'opinion', 'response'])
set(['let\x92s', 'ain\x92t', 'there\x92s'])

为什么撇号在第二组变成了\x92？？

Answer 1

window-1252 编码中的代码点 92(十六进制)是 Unicode 代码点 2019(十六进制)，即“右单引号”。这看起来很像一个撇号，很可能是你在 stopwords.txt 中的实际字符，我从 python 的解释方式中猜测，它已在 windows-1252 中编码或共享 ASCII 和 ' 代码点值的编码。

' 与 '