Python - 无法正确读取文本文件的第一行到列表中

Question

我无法理解为什么我的 python 程序在从文件中读取(第一行)行并将这些行添加到列表中时会执行该操作。由于某种原因，第一行需要为空，否则它将无法正确读取第一行。如果第一行是空的，那么它就不是空的(至少根据python不是空的)。问题是，我有两种类型的文件:

第一个文件的格式为:

text:more text
another text:and more

第二个文件的格式为:

text_file.txt
anothertext_file.txt

这两个文件都是 UTF-8 编码的文本文件。添加到我的程序列表中的两个文件的第一行是“text”和“text_file.txt”，但是任何代码例如试图说

if something == "text":
    ...

即使“某物”与“文本”相同，也不会被执行。

所以我假设我的问题是在机器代码(或其他东西)的某个地方，我的计算机在文本文件的开头写入了一些不可见的代码，这使得第一行不是原来的样子。或许？我实际上已经找到了问题的解决方案，只需在逐行读取文件时添加一个空行和一个 if 子句即可:

if not "." in line:
    ...

在其他文件类型中:

if not ":" in line:
    ...

这些 if 子句有效，并且我的程序执行了它应该执行的操作(只要我总是在文件开头添加一个空行)，但我一直无法找到我的程序的真正原因就这样行事。另外，如果有一个更简单的解决方案，不需要我编辑所有文件并向我的代码添加 if 子句，我希望不必执行这种解决方法。

希望能帮助您理解这里发生的事情!

编辑:正如你们一直在询问我的代码，这里是:

filelist = []
with open("filename.txt", "r", encoding="UTF-8") as f:
for line in f:
    filelist.append(line.rstrip("\n"))

这不能正常工作。我也像 mxds 所说的那样尝试过，

filelist = []
with open("filename.txt", "r", encoding="UTF-8") as f:
lines = f.readlines()
for line in lines:
    filelist.append(line.rstrip("\n"))

这也不起作用。这只是文件中第一行第一个字符的问题。

编辑2:问题似乎出在我的文本文件的开头有一个字节顺序标记。经过快速谷歌搜索后，我没有找到如何删除它的解决方案。我仅使用 Windows 记事本创建文件。

最终编辑:显然记事本不是真正的文本编辑器。我想我会从记事本切换到 Notepad++ 来避免这个问题。但是，以防万一我必须在记事本中处理我的文件:如果我在记事本中打开一个文本文件并在其中添加一些文本，它会添加 BOM 还是应该仅在创建文件时这样做？ p>

Answer 1

看起来您已经完成了这方面的工作，但根据How to make Notepad to save text in UTF-8 without BOM? ，最好的答案是不要使用Notepad(但Notepad++也可以)。 :)

或者，您可以strip the BOM in Python与:

line = line.decode("utf-8-sig").encode("utf-8")

参见https://docs.python.org/3/library/codecs.html :

To increase the reliability with which a UTF-8 encoding can be detected, Microsoft invented a variant of UTF-8 (that Python 2.5 calls "utf-8-sig") for its Notepad program: Before any of the Unicode characters is written to the file, a UTF-8 encoded BOM (which looks like this as a byte sequence: 0xef, 0xbb, 0xbf) is written.

...

On decoding utf-8-sig will skip those three bytes if they appear as the first three bytes in the file. In UTF-8, the use of the BOM is discouraged and should generally be avoided.