python編碼

Question

我有比較字符串與我在程序中輸入字符串的問題，我應該得到他們是平等的，但不管如果我使用解碼（'utf-8'）我得到他們是不平等的。下面的代碼：

final = open("info", 'r') 
exported = open("final",'w') 
lines = final.readlines() 
for line in lines: 
    if line == "Wykształcenie i praca": #error 
    print "ok" 

，我如何保存我嘗試讀文件：

comm_p = bs4.BeautifulSoup(comm) 
comm_f.write(comm_p.prettify().encode('utf-8')) 

for string in comm_p.strings: 
     #print repr(string).encode('utf-8') 
     save = string.encode('utf-8') # there is how i save 
     info.write(save) 
     info.write("\n")   

info.close() 

，並在文件的頂部，我有＃ - - 編碼：UTF-8 - -

任何想法？

Answer 1

這應該做你所需要的：

# -- coding: utf-8 -- 
import io 

with io.open('info', encoding='utf-8') as final: 
    lines = final.readlines() 

for line in lines: 
    if line.strip() == u"Wykształcenie i praca": #error 
     print "ok" 

您需要打開右側的文件編碼，並且由於您的字符串不是ascii，所以您應該將其標記爲unicode。

Answer 2

很可能不同的是在一個「\ n」字符

readlines不會刪除「\ n」 - 看Best method for reading newline delimited files in Python and discarding the newlines?

一般是不把一個Unicode字符串是個好主意在你的代碼中，從資源文件中讀取它是個好主意

Answer 3

首先，你需要一些關於編碼的基本知識。 This is a good place to start。您現在不必閱讀所有內容，但儘可能地嘗試儘可能。

關於當前的問題：

你正在閱讀一個UTF-8編碼的文件（可能），但你讀它作爲一個ASCII文件。 open()不會爲您做任何轉換。

所以，你需要做的（至少）什麼：

• 使用codecs.open("info", "r", encoding="utf-8")讀取文件
• 使用Unicode字符串進行比較：if line.rstrip() == u"Wykształcenie i praca":

Answer 4

使用Unicode字符串對比

>>> s = u'Wykształcenie i praca' 
>>> s == u'Wykształcenie i praca' 
True 
>>> 

，當涉及到字符串unicode是最明智的:)