python - 如何在Python中编码/解码这个文件？-6ren

python - 如何在Python中编码/解码这个文件？

转载作者：太空宇宙更新时间：2023-11-03 18:53:33

我计划制作一个Python小游戏，它会从字典中随机打印键(英语)，并且用户必须输入值(德语)。如果值正确，则会打印“正确”并继续。如果值错误，则会打印“错误”并中断。

我以为这会是一件容易的事，但我却被困在路上了。我的问题是我不知道如何打印德语字符。假设我有一个包含以下文本的文件“dictionary.txt”:

cat:Katze
dog:Hund
exercise:Übung
solve:lösen
door:Tür
cheese:Käse

我有这个代码只是为了测试输出的样子:

# -*- coding: UTF-8 -*-
words = {} # empty dictionary
with open('dictionary.txt') as my_file:
  for line in my_file.readlines():
    if len(line.strip())>0: # ignoring blank lines
      elem = line.split(':') # split on ":"
      words[elem[0]] = elem[1].strip() # appending elements to dictionary
print words

显然打印的结果并不符合预期:

    {'cheese': 'K\xc3\xa4se', 'door': 'T\xc3\xbcr',
     'dog': 'Hund', 'cat': 'Katze', 'solve': 'l\xc3\xb6sen',
     'exercise': '\xc3\x9cbung'}

那么我应该在哪里添加编码以及如何添加呢？

谢谢!

最佳答案

您正在查看字节字符串值，打印为 repr() 结果，因为它们包含在字典中。字符串表示形式可以重新用作 Python 字符串文字，并且使用字符串转义序列显示不可打印和非 ASCII 字符。容器值始终用 repr() 表示，以方便调试。

因此，字符串“K\xc3\xa4se”包含两个具有十六进制值 C3 和 A4 的非 ASCII 字节，即 U+00E4 代码点的 UTF-8 组合。

您应该将值解码为unicode对象:

with open('dictionary.txt') as my_file:
    for line in my_file:   # just loop over the file
        if line.strip(): # ignoring blank lines
            key, value = line.decode('utf8').strip().split(':')
            words[key] = value

或者更好的是，使用 codecs.open() 在读取文件时对其进行解码:

import codecs

with codecs.open('dictionary.txt', 'r', 'utf8') as my_file:
    for line in my_file:
        if line.strip(): # ignoring blank lines
            key, value = line.strip().split(':')
            words[key] = value

打印结果字典仍将使用 repr() 结果作为内容，因此现在您将看到 u'cheese': u'K\xe4se' ，因为 \xe4 是 Unicode 点 00E4(ä 字符)的转义码。如果您希望将实际字符写入终端，请打印单个单词: