一个小问题
今天在做一个实验时,需要对一个包含中英文词汇的TXT文件进行读入和整理。
Python代码的编码规则为UTF-8。在读入时,文件的每行是二进制串,形如:
1
|
b'heroes\xff..... |
在对每行进一步进行处理时,要求处理对象必须为通用字符串,所以:
1
|
lineVec = str (line).strip().split( '\t' ) |
此时的lineVec的元素类型为string,但输出是仍然是 “b'heros\xff…..” ,仍然无法摆脱二进制标志的影响。然而,尴尬的是,在后边对以lineVec元素作为键的字典进行索引时,只能获得通用字符串的键。所以,每次索引都以KeyError退出。
在多次尝试之后,我发现:二进制串在经过str()函数转化之后,已经将所有的内容都转化成了一个通用的字符串。也就是说,“b'heros\xff……”中的所有字符都是可以用python的字符串处理手段处理的。
给定一个 word=”b'heros”,如果希望得到通用字符串形式的单词”heros”,那么我们可以直接取字符串word的第3至最后一个字母,或将“b'”直接替换掉:
1
2
3
|
newWord = word[ 2 : - 1 ] #或 newWord = word.replace( "b'" ,'') #因为单引号是python中表示字符串的特殊功能字符,所以被替换的字 |
符写作'b''会报错。需要用双引号把单引号括起来。
在用上面的方法把字典键都更新了一遍之后,世界瞬间和谐了。
一些扩充
在解决上边的问题的过程中,搜索了许多相关的解决方法,对python中二进制串与通用字符串之间的转换有了一定的了解。但都是关于纯英语字符串转换的,对上边的中文字符无用。用下面方法转换中文字符串时会出现编码错误。
给定通用字符串 string = ‘a string' , 需要把它转换为二进制串时,可以直接调用字符串的内置方法:
1
2
3
4
5
6
7
8
9
10
|
print string >>>a string bstring = string.encode( 'ascii' ) # encode方法,参数用来指定编码标准 print bstring >>>b 'a string' string1 = bstring.decode( 'ascii' ) # encode的逆,对二进制串进行解码 print string1 >>>a string |
在进行文本文件读入和解析时,经常会遇到这样的二进制问题,希望对大家有所帮助。
以上这篇Python二进制串转换为通用字符串的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/potato012345/article/details/78079213