作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用Textract对于 Python 来说相对较新,我想加载 unicode 字符串而不是 utf-8 格式的文件。有办法做到这一点吗?
我试过了
text = textract.process(file)
但这会加载 UTF-8 字符串,而我更喜欢 unicode。我尝试使用
text = textract.process(file, encoding="unicode")
但这会引发错误。
Error
Traceback (most recent call last):
File "/home/moha/dev/intellij-ws/pyqadi/tests/test_file2txt.py", line 11, in test_process
str=f2t.to_txt(file)
File "/home/moha/dev/intellij-ws/pyqadi/textsearcher/file2txt.py", line 10, in to_txt
text = textract.process(file, encoding="unicode")
File "/usr/local/lib/python2.7/dist-packages/textract/parsers/__init__.py", line 57, in process
return parser.process(filename, encoding, **kwargs)
File "/usr/local/lib/python2.7/dist-packages/textract/parsers/utils.py", line 46, in process
return self.encode(unicode_string, encoding)
File "/usr/local/lib/python2.7/dist-packages/textract/parsers/utils.py", line 31, in encode
return text.encode(encoding, 'ignore')
LookupError: unknown encoding: unicode
最佳答案
Textract 使用编码来指定特定的输出编码(使用 chardet 推断输入编码
以下是用于编码的 Uncidoe 选项:
unicode_escape, unicode_internal, raw_unicode_escape
text = textract.process(file, encoding = 'unicode_escape')
这是一个exhaustive list .
底层数据采用 UTF-8 格式。您可以将 texttract.processn 作为 UTF-8 并在单独的行上将其解码为 Unicode,如下所示:
text = textract.process(file)
Utext = unicode(text,'utf-8')
关于python - 如何在Python中使用Textract库加载unicode字符串?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37448074/
我是一名优秀的程序员,十分优秀!