[英]codecs.open(utf-8) fails to read plain ASCII file
我有一个普通的ASCII文件。 当我尝试使用codecs.open(..., "utf-8")
打开它时,我无法读取单个字符。 ASCII是UTF-8的子集,那么为什么codecs
不能在UTF-8模式下打开这样的文件?
# test.py
import codecs
f = codecs.open("test.py", "r", "utf-8")
# ASCII is supposed to be a subset of UTF-8:
# http://www.fileformat.info/info/unicode/utf8.htm
assert len(f.read(1)) == 1 # OK
f.readline()
c = f.read(1)
print len(c)
print "'%s'" % c
assert len(c) == 1 # fails
# max% p test.py
# 63
# '
# import codecs
#
# f = codecs.open("test.py", "r", "utf-8")
#
# # ASC'
# Traceback (most recent call last):
# File "test.py", line 15, in <module>
# assert len(c) == 1 # fails
# AssertionError
# max%
系统:
Linux max 4.4.0-89-generic #112~14.04.1-Ubuntu SMP Tue Aug 1 22:08:32 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux
当然,它可以定期open
。 如果我删除"utf-8"
选项,它也将起作用。 还有63
是什么意思? 就像第三行的中间。 我不明白
发现您的问题:
传递编码时, codecs.open
返回StreamReaderWriter
,它实际上只是StreamReader
和StreamWriter
的包装器( 不是其子类;它是“组成”的关系,而不是继承)。 问题是:
StreamReaderWriter
提供了一种“常规” read
方法(也就是说,它具有一个size
参数,仅此而已) StreamReader.read
方法 ,其中size
参数仅是关于要读取的字节数的提示,而不是限制。 第二个参数chars
是严格的限制器,但是StreamReaderWriter
永远不会传递该参数(它不接受) size
,但未使用chars
上限,则如果StreamReader
已缓冲数据,并且其大小足以匹配size
提示,则StreamReader.read
盲目返回缓冲区的内容,而不是根据size
提示以任何方式对其进行限制(之后全部,只有chars
强制使用最大返回值) StreamReader.read
的API以及该API的size
/ chars
含义是此处唯一记录的内容; codecs.open
返回StreamReaderWriter
的事实不是契约性的, StreamReaderWriter
封装StreamReader
的事实也不是,我只是使用ipython
的??
魔术读取codecs
模块的源代码以验证此行为。 但是无论是否有记录,这都是它的作用(可以随意阅读StreamReaderWriter
的源代码,它全部是Python级别的,所以很容易)。
最好的解决方案是切换到io.open
,这在每种标准情况下都更快,更正确( codecs.open
支持在bytes
[Py2 str
]和str
[Py2 unicode
]之间不转换的怪异编解码器,但是,将str
为str
或将bytes
为bytes
编码,但这是一个非常有限的用例;大多数时候,您是在bytes
和str
之间进行转换。 您需要做的只是import io
而不是codecs
,并将codecs.open
行更改为:
f = io.open("test.py", encoding="utf-8")
您的其余代码可以保持不变(并且可能会以更快的速度启动)。
或者,您可以显式地绕过StreamReaderWriter
以获得StreamReader
的read
方法并直接传递限制参数,例如,change:
c = f.read(1)
至:
# Pass second, character limiting argument after size hint
c = f.reader.read(6, 1) # 6 is sort of arbitrary; should ensure a full char read in one go
我怀疑Python的错误#8260 ,它涵盖交织readline
和read
上codecs.open
创建的文件对象,适用于这里,正式,它的“固定”的,但如果你读了评论,修复是不完全的(并且可能无法完成给定的文档化API); 的任意组合怪异read
和readline
将能打破它。
同样,只需使用io.open
; 只要您使用的是Python 2.6或更高版本,它就可以使用,并且会更好。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.