我有一个原始文本文件,只包含以下行,没有换行符:
Q853 \u0410\u043D\u0434\u0440\u0435\u0439 \u0410\u0440\u0441\u0435\u043D\u044C\u0435\u0432\u0438\u0447 \u0422\u0430\u0440\u043A\u043E\u0432\u0441\u043A\u0438\u0439
如上所示,字符被转义,这意味着\u05E9
实际上是一个反斜杠,后面跟着5个字母数字字符(而不是Unicode字符)。我正在尝试使用以下代码解码文件:
import codecs
with codecs.open("wikidata-terms20.nt", 'r', encoding='unicode_escape') as input:
with open("wikidata-terms3.nt", "w") as output:
for line in input:
output.write(line)
这里不能使用print
,请查看注释。
运行它会给出以下错误:
Traceback (most recent call last):
File "terms2.py", line 5, in <module>
for line in input:
File "C:\Program Files\Python35\lib\codecs.py", line 711, in __next__
return next(self.reader)
File "C:\Program Files\Python35\lib\codecs.py", line 642, in __next__
line = self.readline()
File "C:\Program Files\Python35\lib\codecs.py", line 555, in readline
data = self.read(readsize, firstline=True)
File "C:\Program Files\Python35\lib\codecs.py", line 501, in read
newchars, decodedbytes = self.decode(data, self.errors)
UnicodeDecodeError: 'unicodeescape' codec can't decode bytes in position 67-71: truncated \uXXXX escape
发生了什么?
我正在Windows 8.1上运行Python 3.5.1,并且该代码似乎适用于大多数其他Unicode字符(这一行是导致崩溃的第一行)。
请参见编辑历史记录以获取原始问题。
Q501 \u05E9\u05D0\u05E8\u05DC \u05D1\u05D5\u05D3\u05DC\u05E8
,如果无法解码第一个字符。但是 U+05E9 似乎是有效的 Unicode。 - pie3636