使用Python搜索thorn（þ；）字符并将其替换为Pipe（|）

我正在尝试使用python查找thorn“þ”字符，并替换为管道“|”。例如，该文件的内容类似于125650þ383736þ392647。下面是我的代码：

f = codecs.open(path, encoding='utf-8', mode='r+')
contents = f.read()
if u'\u00FE' in contents:
    print 'Found thorn'

我在contents=f.read（）行上出错： UnicodeDecodeError:“utf8”编解码器无法解码位置7中的字节0xfe:无效的开始字节

---

似乎文件对象f无法解码thorn字符。这里有什么问题？提前感谢

解码错误最常见的原因是您使用了错误的编码。在本例中，您的文件似乎是用Windows-1252或拉丁语-1编码的，而不是UTF-8。我很确定是这样的，因为

0xfe

是这些编解码器的拉丁文小写字母thorn的代码点

例如：

>>> print '125650\xfe383736\xfe3926'.decode('latin-1')
125650þ383736þ3926

---

您的文件不包含有效的UTF8编码，您的

u'\u00FE'

也不是

þ

的正确UTF8编码：

>>> u'þ'.encode('utf8')
'\xc3\xbe'

看起来您期望的编码是拉丁语-1：

>>> u'þ'.encode('latin-1')
'\xfe'

所以你想要：

f = codecs.open(path, encoding='latin-1', mode='r+')
contents = f.read()
if u'þ' in contents:
    print 'Found thorn'

---

尝试使用find（）函数。该文件实际上是UTF-8编码的吗？如果UTF-8解码器阻塞，则通常表明文件内容采用不同的编码方式进行编码。我猜该文件是用

latin1

编码的，而不是

UTF-8

。如果仅将

utf-8

替换为

latin1

不起作用，请发布文件前8个左右字符的十六进制转储以检查编码。请在open方法上尝试不同的编码。。。