读取Python中的点文件

我正在尝试读取包含以下内容的点文件：

graph {
    KZJLCHYE -- DJTGWUZZ;
    PNLWKOXF -- BFSIOMPY;
    ...
}

---

但当我尝试读取该点文件时，我得到“UnicodeDecodeError:'utf-8'编解码器无法解码位置0处的字节0xd0:无效的继续字节”。有没有一种方法可以仅使用标准库读取Python中点文件的内容

要忽略文件中的unicode字符，可以执行以下操作

var = unicode(var, errors='ignore')

---

文本文件的编码是一个永远无法完全解决的模糊问题。您需要猜测编码，或者手头上有一个损坏的（或二进制）文件：

要猜测编码，请尝试在任何高级文本编辑器中打开它，查看它是否为您猜测编码和/或突出显示有问题的字符

如果您不关心位置0处的坏字符，可以指示python忽略它。请参阅Python3手册：

open（file，mode='r'，buffering=-1，encoding=None，errors=None，newline=None，closefd=True，opener=None）

--只需设置

errors='ignore'

Python3比python2更好地处理编码，所以如果您提到您使用的是哪个版本，它会有所帮助

将文件作为二进制流读取，并在将其转换为

str

时处理错误字符：

open（文件'rb'）

。同样，您的解码选项取决于python版本，因此我无法进一步阐述

---

我认为@sikez在基于文本的图形格式中是“点”的意思，而不是在用户主目录中前缀为

的文件中是“点”的意思。您能将文件的前几个（原始）字节添加到您的问题中吗？类似于

hextump-C-n16 yourfile.dot

@JeremyKerr这里是原始字节：00000000d0 cf 11 e0 a1 b1 1a e10000我正在使用Python3。我忽略了错误，但没有读取文件中的任何内容。我假设这是因为整个文件会引发错误。我还尝试读取二进制流并将其转换回字符串，但我得到了难以辨认的输出（）。@sikez可能是您试图读取错误的编码。例如：如果它试图读取一个3字节的UTF-8字符，但实际上文本是用4字节的UTF-32字符编码的，那么你肯定会把每个字符的偏移量都弄错。请参阅我的步骤1：在一个好的编辑器中打开它（我使用emacs），它将猜测编码名称。您还可以使用python库

chardet

猜测编码。也可以尝试一些主流的方法：

open（file，encoding='latin-1'）

，

open（file，encoding='utf-16'）

，

open（file，encoding='utf-32'）

…非常感谢！我使用了chardet，发现编码实际上是ISO-8859-2。你可能会有一个可怕的混合文本与一些二进制数据生成的“我们不需要任何标准”软件。由于ISO-8859-2是一个1字节编解码器，其故障表明文本编码在一个多字节Unicode中，因此无法进行自动解码，因为混入的二进制数据总是会破坏字符边界检测。最好的办法是以二进制读取，并尝试在解码之前手动隔离二进制部分。另外，如果任何文本编辑器都能正确读取您的文件，那么我上面的推理是无效的：自动解码是可能的，而您犯了一个错误。