我有一个列表,其中包含如下所示的二进制类型字符串,它是通过rb
模式下读取文本文件获得的(因为r
由于可能从各种编码中混淆字符而无法读取文件(:-
new_list = [b'Vanessa Skarski's Account of Her Father's Death....', b'Hornslet wind-turbine collapsernFrom Wikipedia' .....]
等
列表中共有 271
个项目。但我希望列表项是普通字符串而不是二进制字符串。我已经考虑使用 new_list = [item.decode(encoding='utf-8') for item in new_list]
但它给了UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 643: invalid start byte
.我只是想摆脱 b' 并获得正常的字符串。有什么想法吗?
编辑将字节转换为字符串中提到的解决方案?没有解决我在最初的帖子中已经提到的问题。下面列出了我的 Python 版本,如果这与错误有任何关系
3.5.2 (v3.5.2:4def2a2901a5, Jun 26 2016, 10:47:25)
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)]
您拥有的字节对象未以 UTF-8 编码。执行取决于文件的实际信息,除了最初创建文件并知道使用了什么执行的人之外,没有人可以告诉您如何正确编码它们。
但是,考虑到上下文,流行的选择可能是:
-
latin1
(将始终解码,但可能对您没有意义( -
cp1252
Windows系统的热门选择
因此,例如:
new_list = [item.decode(encoding='latin1') for item in new_list]
只需使用 'utf8'
而不是 'utf-8'
。在Windows 3.7上使用Python 10为我工作。
new_list = [b'Vanessa Skarski's Account of Her Father's Death....', b'Hornslet wind-turbine collapsernFrom Wikipedia']
for item in new_list:
decoded_item = item.decode('utf8')
print(item)
print(type(item))
print(decoded_item)
print(type(decoded_item))
print()
输出:
b"Vanessa Skarski's Account of Her Father's Death...."
<class 'bytes'>
Vanessa Skarski's Account of Her Father's Death....
<class 'str'>
b'Hornslet wind-turbine collapsernFrom Wikipedia'
<class 'bytes'>
Hornslet wind-turbine collapse
From Wikipedia
<class 'str'>