1. 首頁
  2. 問答
  3. 從URL中讀取unicode中的文本文件？

從URL中讀取unicode中的文本文件？

2012-02-09 101 views
1

我正嘗試使用urllib和urllib2從包含法語字符的文本文件中讀取，如「é」，「à」等。從URL中讀取unicode中的文本文件？

def load(url): 
    from urllib2 import Request, urlopen, URLError, HTTPError 

    req = Request(url) 

    f = urlopen(req) 
    f.readline() 

    for line in f: 
      line = line.split('\t') 
      word = line[0].encode('utf-8')

我有一種感覺，read（）方法返回我一個字節的字符串，所以我使用的編碼（「UTF-8」）獲得的Unicode值，但是這給了我下面的錯誤

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe8 in position 6: ordinal not in range(128)

有人能告訴我發生了什麼事嗎？任何幫助，將不勝感激。謝謝！

來源

2012-02-09 Michael Eilers Smith

回答

5

是的，你是從文件讀取的字節。你必須做的是解碼，而不是編碼，將字節串轉換爲Unicode。這是編碼已經，你看。如果不是這樣，你就不需要對它做任何事情。

word = unicode(line[0], "utf8")

您必須指定文件中使用的編碼。如果不是utf8，另一個好嫌疑人可能是latin1。或者，您知道，因爲它是一個Web文檔，您可以將文檔的編碼從頭文件和/或其內容中提取出來，但這超出了您的問題範圍。

來源

2012-02-09 06:53:20 kindall

相關問題

 相關問題