python - 从文件中获取文本时，不会对 ç 和 ã 等特殊字符进行解码

Question

我正在学习 Python 并尝试制作一个挂机游戏(直译 - 不知道游戏的英文真实名称。抱歉。)。对于那些不熟悉这个游戏的人，玩家必须一次猜一个字母来发现一个 secret 单词。

在我的代码中，我使用以下代码从 txt 文件中导入了一组密码:

words_bank = open('palavras.txt', 'r')
words = []
for line in words_bank:
  words.append(line.strip().lower())
words_bank.close()
print(words)

print(words) 的输出是 ['ma\xc3\xa7\xc3\xa3', 'a\xc3\xa7a\xc3\xad', 'tucum\xc3\xa3'] 但如果我尝试 print('maçã, açaí, tucumã') 以检查特殊字符，所有内容都会正确打印。看起来问题出在编码(或解码......我仍在阅读很多关于它的文章以真正理解)文件中的特殊字符。

我的代码第 1 行的内容是 # coding: utf-8 因为经过一些研究我发现我必须指定要编码的文本所需的 Unicode 格式/解码。在添加它之前，我在运行代码时收到以下消息:

File "path/forca.py", line 12
SyntaxError: Non-ASCII character '\xc3' in file path/forca.py on line 12, but no encoding declared

第 12 行内容:print('maçã, açaí, tucumã')

我已经尝试过的事情:

• 在 open('palavras.txt', 'r') 中添加 encode='utf-8' 作为参数
• 在 open('palavras.txt', 'r') 中添加 decode='utf-8' 作为参数
• 与上面相同，但带有 latin1
• 将第 1 行内容替换为 #coding: latin1

我的操作系统是 Ubuntu 20.04 LTS，我的 IDE 是 VS Code。什么都不管用!我不知道该搜索什么，该做什么。

这里有解决方案

感谢上述 friend 的帮助，我发现真正的问题出在 Ubuntu 20.04 LTS 的组合 VS Code 扩展(Code Runner)+ python 别名版本上。

在我的情况下，Code Runner 设置为在终端中运行代码，因此显然，当它调用 python 时，别名版本是 python 2.7.x。为了克服这种情况，我使用了 this线程将 python 3 设置为默认值。

完成了!每当调用 python 时，无论是在终端还是 VS Code with Code Runner 中，所有特殊字符都可以正常工作。

感谢大家的宝贵时间和帮助 =)

Answer 1

这仅在使用 Python 2.x 时发生。

错误可能是因为您正在打印列表而不是打印列表中的项目。

当调用print(words)(words 是一个列表)时，Python 会在列表对象上调用一个名为repr 的特殊函数。然后，列表通过在列表中的每个子项中调用 repr 创建列表的摘要表示，然后创建一个整洁的字符串可视化。

repr(string) 实际上返回一个 ASCII 表示(带转义符)而不是适合您终端的版本。

相反，尝试:

for x in words:
    print(x)

注意。 open 的选项是encoding。例如

open('myfile.txt', encoding='utf-8')

你应该总是，总是通过 encoding 选项来打开 - Linux 和 Mac 上的 Python <=3.8 将采用 UTF-8(对大多数人来说)。 Windows 上的 Python <=3.8 将使用 8 位代码页。Python 3.9 将始终使用 UTF-8

查看 Python 2.x 与 3.x 行为:

Py2

>>> print ['maçã', 'açaí', 'tucumã']
['ma\xc3\xa7\xc3\xa3', 'a\xc3\xa7a\xc3\xad', 'tucum\xc3\xa3']
>>> repr('maçã')
"'ma\\xc3\\xa7\\xc3\\xa3'"
>>> print 'maçã'
maçã

Py3

>>> print(['maçã', 'açaí', 'tucumã'])
['maçã', 'açaí', 'tucumã']
>>> repr('maçã')
"'maçã'"