为什么 rstrip 不能返回 Python 中的原始文本？

Question

我正在尝试使用以下 Python 代码逐行打印西班牙语文本：

path = 'segismundo.txt'   #set the path file
f = open(path, encoding="utf-8")
lines = [x.rstrip() for x in open(path)]
print(lines)

原始文本是：

Sueña el rico en su riqueza,
que más cuidados le ofrece;

sueña el pobre que padece
su miseria y su pobreza;

然而，结果是：

['Sue帽a el rico en su riqueza,', 'que m谩s cuidados le ofrece;', '', 'sue帽a el pobreque 
padece', 'su miseria y su pobreza;', '']

我的系统语言是中文（'帽子'，'骂'都是汉字）所以我想知道是不是因为rstrip方法只能执行英文？

Answer 1

编码和解码是一个棘手的问题，尤其是因为当前的软件必须设法保持与 Unicode 之前的软件和文件的兼容性。

所以你列出的文本不是原始的，因为它没有存储在文件中。 大多数文件系统中的文件都包含字节，您必须通过其他一些方式了解这些文件使用的编码。 为此，Python 默认情况下会根据区域设置猜测用于打开文件的编码。 您可以使用open的encoding参数覆盖它，就像您在以f =...开头的行中所做的那样，但关键不是在下一行，您在下一行使用默认编码再次打开同一个文件。

print有一个类似的问题：它可以写入文件，或者 output 可以在终端上打印，或者通过管道传输到另一个进程，但至关重要的是，所有这些进程都对原始字节序列进行操作，因此需要对字符串进行编码.

所以你的代码中有两个潜在的不匹配：

1. 该文件使用 UTF-8 编码，但使用您的系统默认值进行解码，这可能不是 UTF-8。
2. output 使用您的系统默认编码进行编码，但您的终端假定它是其他编码。

鉴于您的问题中存在的线索，我的猜测是您只需要将阅读文本的行更改为：

lines = [x.rstrip() for x in f]

您也永远不会关闭文件，这通常不是问题，但对于较大的应用程序要记住：您不想在不需要时让文件保持打开状态。