如何在Python中从文件中读取Ctrl命令字符

Question

我现在正在尝试使用Python 2读取和解析文件。文件的创建者在终端中键入了一堆带有(Ctrl A)的行，并将这些行复制到文本文件中。因此，文件中的行看起来像"(something)^A(something)"。当我使用Python中的readlines()函数读取文件时，那些"^A"字符串无法被识别。

我尝试使用io.open和codecs.open，并将编码设置为UTF-8，但"^A"显然不是UTF-8字符串。是否有人知道如何使用Python从文件中读取这些特殊的控制命令字符串？非常感谢！

- Andy Chang

---

一般来说，在这个网站上鼓励发布你的代码。否则很难建议你哪里出了问题。你需要以二进制读取模式打开文件，读取字节并检查每个字节是否与Ctrl-A的ASCII码匹配（我相信其值为1）。 - RobertB

你知道我该如何在Python中按字节读取并匹配值1吗？使用哪个函数？ - Andy Chang

控制字符是不可见的字符，因此终端使用^A作为视觉表示。如果存在控制字符，则不希望实际查找^A。但很难确定文件中实际存储了什么。我建议使用以特殊方式显示不可见字符的编辑器来确保。然后，您可以使用各种转义方法来表示不可见字符并查找它们。 - Domino

“无法识别”是什么意思？您是否收到了异常？如果是这样，它是什么，代码看起来像什么？ - Wodin

我的意思是"^A"无法被读取，变得不可见。 - Andy Chang

Answer 1

只需以二进制模式读取文件，如下所示：open('file.txt', 'rb')。Ctrl-A 的值将为 1。

with open('test.txt', 'rb') as f:
    text = f.read()
    for char in text:
        if char == b'\x01': # \x01 stands for the byte with hex value 01
            # Do something
            pass
        else:
            # Do something else
            pass

- xrisk

---

我没有使用完全相同的方法，但是你给了我一些非常好的灵感。在我的程序中，我使用了str.find("\x01")而不是str.find("^A")，它起作用了。谢谢！ - Andy Chang

Answer 2

这些控制字符是ASCII字符集的一部分，其数字代码范围从0到31（或16进制中的00到1F）。要从字符串中去除它们，只需使用正则表达式替换：

import re
clean_string = re.sub(r'[\x00-\x1f]+', '', string_with_control_characters)

- blhsing

Answer 3

从下面的链接中，我了解到 ^L 是换页符的控制字符。 http://jkorpela.fi/chars/c0.html 然后我在以下链接中找到了这个答案： 如何打印FF（换页符）字符？ 我执行了下面的代码，并且它完美地工作了。

if '\f' in char:

- Stephen Jacob