python - 使用正则表达式并读取 .EGG 文件内的文件？

Question

newemail = 'test@gmail.com'

import zipfile
import re

egg = zipfile.ZipFile('C:\\Users\\myname\\Desktop\\TEST\\Tool\\scraper-1.11-py3.6.egg')
file = egg.open('scraping_tool/settings.py')

text = file.read().decode('utf8')
emailregex = re.compile(r'[A-Za-z0-9-.]+@[A-Za-z0-9-.]+')
newtext = emailregex.sub(newemail,text)
newtext = newtext.encode('utf8')

file.close()
egg.close()

egg = zipfile.ZipFile('C:\\Users\\myname\\Desktop\\TEST\\Tool\\scraper-1.11-py3.6.egg', 'w')
file = egg.open('scaping_tool/settings.py', 'w')
file.write(newtext)

file.close()
egg.close()

我已经开始编程一周了，所以如果我说的任何内容没有意义，请告诉我。我现在想要实现的目标是从 Egg​​ 文件中的 .py 文件中获取电子邮件。

在交互式 shell 中，我能够成功检索 txt = file.read()，但是一旦我开始获取匹配对象并涉及 regEX，我就会开始收到诸如“无法从字节对象获取字符串”之类的错误

尝试阅读有关错误的 stackoverflow 问题，但仍然太新，无法破译他们在谈论的内容，可能需要将其简化一点。我知道 zip 文件扰乱了正则表达式处理字符串的方式，但不知道如何修复它。

编辑:关于编码的额外问题

Answer 1

当您 .read() zip 文件中的一个条目时，您将得到 bytes 。没有自动检测 zip 条目是二进制文件还是文本文件的功能，您必须自己做出决定。

为了将字节转换为字符串，您必须 decode它们，这需要了解保存这些文件的文本编码。如果您不确定，请选择 UTF-8 (utf8) 和 Windows-1252 (cp1252) >) 是可以尝试的常见编码。当特殊/重音字符在结果中看起来正确时，您就会知道您选择了正确的编码:

txt = file.read().decode('utf8')
print(txt)

一旦您使用字符串，“无法从字节对象获取字符串”错误就不会再出现。