为什么我的Python代码从文本文件中读取时会打印出额外的字符""?

Question

try:
    data=open('info.txt')
    for each_line in data:
        try:
            (role,line_spoken)=each_line.split(':',1)
            print(role,end='')
            print(' said: ',end='')
            print(line_spoken,end='')
        except ValueError:
            print(each_line)
    data.close()
except IOError:
     print("File is missing")

逐行打印文件时，代码往往会在前面添加三个不必要的字符，即“”。

实际输出：

Man said:  Is this the right room for an argument?
Other Man said:  I've told you once.
Man said:  No you haven't!
Other Man said:  Yes I have.

预期输出：

Man said:  Is this the right room for an argument?
Other Man said:  I've told you once.
Man said:  No you haven't!
Other Man said:  Yes I have.

- user5234170

---

你的文件很可能是以带有BOM的UTF-8编码方式进行编码的。如果这不是你想要的，就使用无BOM的编码方式来进行编码。 - Vincent Savard

可能是重复的问题：如何从文件开头删除？ - Marc B

不是重复的问题；Python不是PHP，而且有更好的处理UTF-8 BOM的选项。楼主，可以在open()函数中传入encoding='utf-8-sig'来解决这个问题。 - senshin

是的，文森特是正确的。这是字节顺序标记的典型表现。 - Boldewyn

@senshin，它起作用了，谢谢。'code' data= open('sketch.txt', encoding='utf-8-sig') - user5234170

Answer 1

不要使用默认编码（即'utf-8'）打开文件，而是使用'utf-8-sig'，它会预期并去除UTF-8字节顺序标记，这就是显示为的内容。

也就是说，不要使用

data = open('info.txt')

做

data = open('info.txt', encoding='utf-8-sig')

请注意，如果您使用的是Python 2版本，您应该看到例如Python, 将输出编码为UTF-8和在Python中将带有BOM的UTF-8转换为无BOM的UTF-8。您需要使用codecs或str.decode进行一些花招才能在Python 2中正确运行。但在Python 3中，您只需要在打开文件时设置encoding=参数即可。

- senshin

---

即使我使用了这种编码，某些行前面仍然会出现 \ufeff，你有什么想法吗？ - Amrit

@Amrit BOM（字节顺序标记）应该只出现在文本流的开头。所以，如果你在中间看到它，那么它可能是遗留Unicode文本中的零宽不换行空格。我相信它在印度文字（如梵文）中被使用过。或者你有一个由多个“utf-8-sig”文件拼接而成的文件。 - wjandrea

Answer 2

我在处理Excel的CSV文件时也遇到了类似的问题。最初，我从下拉选项中将我的文件保存为.csv utf-8（逗号分隔）文件。然后我将其保存为仅为.csv（逗号分隔）文件，一切正常。也许.txt文件也会有类似的问题。

- gavin

Answer 3

当我遇到这种情况时，它只会发生在我的 CSV 文件的第一行，包括读取和写入。基于我所做的事情，我只是在第一个位置上放置了一个“牺牲性”的条目，这样那些字符就会被添加到我的牺牲性条目中，而不是我关心的任何字符中。绝对不是一个强大的解决方案，但对我的目的来说快速有效。

- Giovanni