Python - 处理 Unicode(俄语)Txt 文件

Question

过去几个小时我一直对俄语制表符分隔的 txt 文件感到困惑。其外观如下:

CODE    AD_GROUP    KEYWORD MATCH_TYPE

009966  Автостраховка   автостраховка   Broad
009965  Автостраховка   страховкаавто   Broad
009964  Автостраховка   страховка автомобиля    Broad

目标是解析 txt 文件并暂时单独打印每个关键字。

到目前为止我已经:

f = open("struct.txt",encoding="UTF-8",errors='strict')

for line in f:
    vals = line.split("\t")
    print(vals[2])

f.close()

但我不断收到以下错误:

UnicodeDecodeError:“utf-8”编解码器无法解码位置 0 中的字节 0xff:起始字节无效

另外，如果我执行 len(vals) 来查看每个列表的长度，我会得到以下结果: 4 1 4 1 这可能意味着 split("\") 不起作用？

我使用的是Python3.3和Mac。

最后，我不认为 Mac 上的命令行不显示西里尔字符有问题 - 它之前已经做到了，没有出现任何问题(西方 Windows 版本似乎在这方面失败了)。

请让我知道我做错了什么。

谢谢!

Answer 1

使用此代码(Python2.7)

f = open("struct.txt")

for line in f:
    vals = [item for item in line.strip().split("\t") if item != '']
    if len(vals):
        print(vals[2])

f.close()

您的源代码(我对其进行了编辑以确保它有选项卡)我得到以下输出:

> python so_16703270.py
KEYWORD
автостраховка
страховкаавто
страховка автомобиля

您确定文件中整个文件都有制表符，而某些地方没有空格吗？