TypeError：序列項目1：期望一個類似字節的對象，找到str

Question

我試圖從wiki標題轉儲中提取英文標題，該轉儲在文本文件中使用Python 3中的正則表達式。維基轉儲也包含其他語言的標題和一些符號。下面是我的代碼：

with open('/Users/some/directory/title.txt', 'rb')as f: 
    text=f.read() 
    letters_only = re.sub(b"[^a-zA-Z]", " ", text) 
    words = letters_only.lower().split() 
print(words) 

但我得到一個錯誤：

TypeError: sequence item 1: expected a bytes-like object, str found 

在該行：letters_only = re.sub(b"[^a-zA-Z]", " ", text)

但是，我使用b''讓儘可能字節類型的輸出，下面是文本文件的示例：

Destroy-Oh-Boy!! 
!!Que_Corra_La_Voz!! 
!!_(chess) 
!!_(disambiguation) 
!'O!Kung 
!'O!Kung_language 
!'O-!khung_language 
!337$P34K 
!= 
!? 
!?! 
!?Revolution!? 
!?_(chess) 
!A_Luchar! 
!Action_Pact! 
!Action_pact! 
!Adios_Amigos! 
!Alabadle! 
!Alarma! 
!Alarma!_(album) 
!Alarma!_(disambiguation) 
!Alarma!_(magazine) 
!Alarma!_Records 
!Alarma!_magazine 
!Alfaro_Vive,_Carajo! 
!All-Time_Quarterback! 
!All-Time_Quarterback!_(EP) 
!All-Time_Quarterback!_(album) 
!Alla_tu! 
!Amigos! 
!Amigos!_(Arrested_Development_episode) 
!Arriba!_La_Pachanga 
!Ask_a_Mexican! 
!Atame! 
!Ay,_Carmela!_(film) 
!Ay,_caramba! 
!BANG! 
!Bang! 
!Bang!_TV 
!Basta_Ya! 
!Bastardos! 
!Bastardos!_(album) 
!Bastardos_en_Vivo! 
!Bienvenido,_Mr._Marshall! 
!Ciauetistico! 
!Ciautistico! 
!DOCTYPE 
!Dame!_!Dame!_!Dame! 
!Decapitacion! 
!Dos! 
!Explora!_Science_Center_and_Children's_Museum 
!F 
!Forward,_Russia! 
!Forward_Russia! 
!Ga!ne_language 
!Ga!nge_language 
!Gã!ne 
!Gã!ne_language 
!Gã!nge_language 
!HERO 
!Happy_Birthday_Guadaloupe! 
!Happy_Birthday_Guadalupe! 
!Hello_Friends 

我已經在網上搜索，但不能su cceed。任何幫助將不勝感激。

Answer 1

您必須選擇二進制和文本模式。

要麼你打開你的文件作爲rb，然後你可以使用re.sub(b"[^a-zA-Z]", b" ", text)（text是bytes對象）

或者你打開你的文件作爲r，然後你可以使用re.sub("[^a-zA-Z]", " ", text)（text是str對象）

第二種解決方案更「經典」。

Answer 2

問題是與您提供的repl參數，它是不是一個bytes對象：

letters_only = re.sub(b"[^a-zA-Z]", " ", b'Hello2World') 
# TypeError: sequence item 1: expected a bytes-like object, str found 

相反，供應repl作爲一個字節實例b" "：

letters_only = re.sub(b"[^a-zA-Z]", b" ", b'Hello2World') 
print(letters_only) 
b'Hello World' 

---

注：不要在文字前加上b，如果你使用rb也不要打開文件不尋找byte序列。

Answer 3

如果替換字符串不是，則不能使用byte字符串作爲正則表達式匹配。
基本上，在做大部分任務時，不能混合不同的對象（byte s和string s）。在上面的代碼中，您使用的是二進制搜索字符串和二進制文本，但替換字符串是常規的string。所有參數需要是相同的類型，所以有兩種可能的解決方案。

考慮到上述情況，你的代碼看起來是這樣的（這將返回定期string字符串，而不是byte對象）：

with open('/Users/some/directory/title.txt', 'r')as f: 
    text=f.read() 
    letters_only = re.sub(r"[^a-zA-Z]", " ", text) 
    words = letters_only.lower().split() 
print(words) 

注意，代碼不會使用一個特殊類型的字符串爲正則表達式 - 原始字符串，前綴爲r。這意味着python不會解釋轉義字符，如\，這對正則表達式非常有用。有關原始字符串的更多詳細信息，請參見the docs。