Python 使用utf8读取行。使用utf8编码

我从如下文件中读取行：

小大事记：163韦格·祖尔·斯皮岑莱斯顿·邓·勒本德语版彼得斯，汤姆

卡塔斯多夫：那么，你的球队是谁 斯皮策莱东德语版托马斯，加里

我用以下代码读取/编码它们：

title = line.encode('utf8')

但结果是：

b'Die virtuelle Katastrophe:那么f\xc3\xbchren Sie Teams\xc3\xbcber 德文版托马斯，加里'

大人物：163韦格·祖尔·斯皮岑莱东·邓·勒本 德文版彼得斯，汤姆的

为什么总是加b？ 如何正确读取文件以保留UMLAUT

以下是完整的相关代码片段：

# Parse the clippings.txt file
lines = [line.strip() for line in codecs.open(config['CLIPPINGS_FILE'], 'r', 'utf-8-sig')]
for line in lines:
    line_count = line_count + 1
    if (line_count == 1 or is_title == 1):
        # ASSERT: this is a title line
        #title = line.encode('ascii', 'ignore')
        title = line.encode('utf8')
        prev_title = 1
        is_title = 0
        note_type_result = note_type = l = l_result = location = ""
        continue

谢谢

str.encode方法将unicode字符串转换为字节对象：

str.encodencoding=utf-8，错误=strict 以字节对象的形式返回字符串的编码版本。默认编码为“utf-8”。可以给错误设置不同的错误处理方案。错误的默认值为“strict”，这意味着编码错误会引发UnicodeError。其他可能的值包括“忽略”、“替换”、“xmlcharrefreplace”、“反斜杠替换”和通过编解码器注册的任何其他名称。register\u错误，请参阅错误处理程序一节。有关可能的编码列表，请参阅标准编码一节

所以你得到的正是你所期望的

在大多数机器上，您只需打开文件并读取即可。如果文件编码不是系统默认值，则可以将其作为关键字参数传递：

with open(filename, encoding='utf8') as f:
    line = f.readline()

方法str.encode将unicode字符串转换为字节对象：

str.encodencoding=utf-8，错误=strict 以字节对象的形式返回字符串的编码版本。默认编码为“utf-8”。可以给错误设置不同的错误处理方案。错误的默认值为“strict”，这意味着编码错误会引发UnicodeError。其他可能的值包括“忽略”、“替换”、“xmlcharrefreplace”、“反斜杠替换”和通过编解码器注册的任何其他名称。register\u错误，请参阅错误处理程序一节。有关可能的编码列表，请参阅标准编码一节

所以你得到的正是你所期望的

在大多数机器上，您只需打开文件并读取即可。如果文件编码不是系统默认值，则可以将其作为关键字参数传递：

with open(filename, encoding='utf8') as f:
    line = f.readline()

---

b表示您得到的是一个字节缓冲区，而不是编码所期望的unicode字符串，后者将字符串转换为编码的字节序列。在您的情况下，您需要从utf-8解码，而不是编码到utf-8。或者更好，使用。为了得到正确的答案，我希望看到您的更多代码。@dhke删除它就足够了。请对行进行编码，因为输出看起来像正确的UTF-8，这意味着行已经是一个有效的Unicode字符串。@f0rd42我明白了。看一下代码片段，您应该能够完全删除编码部分。此时，该行已经是一个解码的Python字符串\xc3\xb'也是德语的正确utf-8。你怎么会想，这些字母读错了？它们在输出时是否显示不正确？@melpomenattributeerror:“str”对象没有属性“decode”；-。这是Python3，Python3字符串没有解码，因为它已经被解码了。我将代码视为满足我需求的基础。多亏了你，这意味着你得到了一个字节缓冲区，而不是一个unicode字符串，这是预期的编码，它将字符串转换成编码字节序列。在您的情况下，您需要从utf-8解码，而不是编码到utf-8。或者更好，使用。为了得到正确的答案，我希望看到您的更多代码。@dhke删除它就足够了。请对行进行编码，因为输出看起来像正确的UTF-8，这意味着行已经是一个有效的Unicode字符串。@f0rd42我明白了。看一下代码片段，您应该能够完全删除编码部分。此时，该行已经是一个解码的Python字符串\xc3\xb'也是德语的正确utf-8。你怎么会想，这些字母读错了？它们在输出时是否显示不正确？@melpomenattributeerror:“str”对象没有属性“decode”；-。这是Python3，Python3字符串没有解码，因为它已经被解码了。我将代码视为满足我需求的基础。谢谢你们两位