python - 为什么 Python re.search 在我的字符串中添加空格？

Question

我希望 Python 打开一个 Unicode 文本文件，读取每一行，然后如果该行不包含任何数字，则将该行写入一个新的 Unicode 文本文件。所以如果输入是:

1
8:00:00 --> 8:00:01
Hello World!

它应该输出:

Hello World!

但我得到的是:

H e l l o  W o r l d !

我不确定为什么要在每个字符之间添加空格。我错过了什么？这是我正在使用的代码:

import re

nFile = open("NewFile.txt", 'w')

with open("OriginalFile.txt", 'r') as f:
    for line in f:
        if not (re.search("\d", line)):
            nFile.write(line)

Answer 1

这是一个艰难的过程，但这似乎行得通。

首先，正如我们已经在评论中讨论的那样，这是一个编码问题。事实上，search 无法向字符串添加空格，即使它想添加空格也是如此，因为字符串是不可变的，所以唯一的方法是更改​​ line是通过做类似 line = ... 的事情。

您在注释中链接的输入文件编码为 UTF-16-LE，这不是 Python 使用的默认格式。阅读它的一种方法(可能还有其他方法，请随时发表评论)是使用 codecs模块。

import re, codecs
with codecs.open("HarryPotterSubsEs2.txt", 'r', encoding="utf-16-le") as f:
    for line in f:
        if not (re.search("\d", line)):
            print line

要将选定的行写入输出文件，您可以对输出文件执行相同的操作，或者执行 line = line.encode("utf8") 将行写入文件作为 utf8。 (出于某种原因，读取行时同样不起作用，它导致了 unicode 错误。在这种情况下，不能 100% 确定从 UTF16 到 UTF8 的编码是无损的；再次，请随时发表评论。)

作为替代方案，您可能会找到一种方法以不同的编码保存文件(最好是 utf8 使用与记事本不同的文本编辑器...