python - 使用 Python 搜索并用竖线 (|) 替换刺号 (þ) 字符

Question

我正在尝试使用python查找刺“þ”字符，并用管道“|”替换。例如，该文件的内容类似于 125650×383736×392647。下面是我的代码:

f = codecs.open(path, encoding='utf-8', mode='r+')
contents = f.read()
if u'\u00FE' in contents:
    print 'Found thorn'

我在contents = f.read()行上遇到错误:UnicodeDecodeError:“utf8”编解码器无法解码位置 7 中的字节 0xfe:起始字节无效

文件对象 f 似乎无法解码 thorn 字符。这里有什么问题？提前致谢

Answer 1

解码错误的最常见原因是您使用了错误的编码。在这种情况下，您的文件似乎是使用 Windows-1252 或 latin-1 编码的，而不是 UTF-8。我很确定情况确实如此，因为 0xfe 是这些编解码器的拉丁小写字母 thorn 的代码点。

例如:

>>> print '125650\xfe383736\xfe3926'.decode('latin-1')
125650þ383736þ3926