在python中使用特定文本編碼打開（可能是gzip）文件的通用方法

Question

我正在編寫一段代碼，打開一個（可能是gzip）文本文件，可以在Python 2和Python 3中運行。

如果我只有普通的文本文件（未壓縮），我可以這樣做：

import io
for line in io.open(file_name, encoding='some_encoding'):
    pass

如果我不關心解碼（在python 2/3中使用字符串/字節）

if file_name.endswith('.gz'):
    file_obj = gzip.open(file_name)
else:
    file_obj = open(file_name)

for line in file_obj:
    pass

我怎樣才能順利地處理這兩種情況呢？ 換句話說，如何將解碼與gzip.open（）平滑地集成？

Answer 1

我對此進行了簡要測試，似乎做了正確的事情。 你可以提供一個文件obj到gzip.GzipFile和io.open

import io
import gzip

f_obj = open('file.gz','r')
io_obj = io.open(f_obj.fileno(), encoding='UTF-8')
gzip_obj = gzip.GzipFile(fileobj=io_obj, mode='r')
gzip_obj.read()

這給了我一個UnicodeDecodeError因為我正在閱讀的文件實際上不是UTF-8，所以看起來它做的是正確的。

出於某種原因，如果我使用io.open直接打開file.gz ， gzip說該文件不是壓縮文件。

更新是的，這很愚蠢，流是錯誤的方式開始。

測試文件

ö
ä
u
y

以下代碼使用定義的編解碼器解碼壓縮文件

import codecs
import gzip
gz_fh = gzip.open('file.gz')
ascii = codecs.getreader('ASCII')
utf8 = codecs.getreader('UTF-8') 
ascii_fh = ascii(gz_fh)
utf8_fh = utf8(gz_fh)
ascii_fh.readlines()
-> UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 0: ordinal not in range(128)

utf8_fh.readlines()
-> [u'\xf6\n', u'\xe4\n', u'u\n', u'y']

codecs.StreamReader接受一個流，因此您應該能夠將壓縮或未壓縮的文件傳遞給它。

http://docs.python.org/library/codecs.html#codecs