如何从文件中删除开头的Unciode字符？

Question

我正在处理数千个xml文件，并且有一些问题文件。

在每种情况下，它们都包含前导Unicode字符，例如C3 AF C2 BB C2 BF和EF BB BF等。

在所有情况下，文件仅包含ASCII字符（在标头字节之后），因此不会存在数据丢失将它们转换为ASCII的风险。

我不允许更改磁盘上文件的内容，只能将它们用作脚本的输入。

简单地说，我很乐意将此类文件转换为ASCII（解析所有输入文件，进行一些更改并将其写入输出目录，然后由第二个脚本处理它们）。

我该如何编码？ 当我尝试：

with open(filePath, "rb") as file:
    contentOfFile = file.read()

unicodeData = contentOfFile.decode("utf-8")
asciiData = unicodeData.encode("ascii", "ignore")

with open(filePath, 'wt')  as file:
    file.write(asciiData)

我得到一个错误， must be str, not bytes 。

我也试过

    asciiData = unicodedata.normalize('NFKD', unicodeData).encode('ASCII', 'ignore')

结果相同。 我该如何纠正？

还是有其他方法可以隐藏文件？

Answer 1

...
asciiData = unicodeData.encode("ascii", "ignore")

asciiData是字节对象，因为它已编码。 打开文件时，您需要使用二进制模式而不是文本模式：

with open(filePath, 'wb')  as file:  # <---
    file.write(asciiData)