我有一个包含很多西类牙语 .txt 文件的文件夹,我决定将它们合并到一个 .txt 文件中,如下所示:
导入操作系统 导入关闭
def concatFiles():
path = '/Users/user/Desktop/OpinionsTAG_txt/'
files = os.listdir(path)
with open("/Users/user/Desktop/concat_file.txt", "wb") as fo:
for f in files:
with open(os.path.join(path, f), "rb") as fi:
shutil.copyfileobj(fi, fo)
if __name__ == "__main__":
concatFiles()
问题是输出(即 concat_file)不遵守 concat_file 中的字符西类牙文编码是 direcci√≥n 而不是 dirección。另一件事是我在 OS X 中工作,当我打开带有 sublime 文本的 concat_file 时,它看起来像这样:0000 0001 2000 0000 0000 0001 4000 0000 并且当我用文本编辑打开 concat_file 它看起来像我想要的,为什么会这样,我该如何解决?。
请您参考如下方法:
按照此处的建议尝试使用编解码器:https://stackoverflow.com/a/19591815/4339369 .这将允许您以 UTF-8 格式读取和写入文件,这可能会解决您的问题。
import codecs
import os
import shutil
def concatFiles():
path = '/Users/user/Desktop/OpinionsTAG_txt/'
files = os.listdir(path)
with codecs.open("/Users/user/Desktop/concat_file.txt", "wb",encoding='utf8') as fo:
for f in files:
with codecs.open(os.path.join(path, f), "rb",encoding='utf8') as fi:
shutil.copyfileobj(fi, fo)
if __name__ == "__main__":
concatFiles()
有关 Python 2.x 中 Unicode 问题的概述可以在这里找到:http://nedbatchelder.com/text/unipain.html .
为将来的任何人编辑:在 OS X 上,您通常可以通过以下方式确定文件的编码
file -I <filename>
