Python java解决中文乱码问题,读取文本文件为乱码,编辑器打开正常
来源:互联网 发布:淘宝禁售关键词 采集 编辑:程序博客网 时间:2024/04/27 19:30
中文文本文件可以采用多种编码格式,常用的有:UTF-8,GBK,GB2312。但是也有可能采用其他不太常用的编码格式,如UFT-16。这时使用可视化的文本编辑软件打开文本文件,内容可以正常显示,但是使用python java等程序读取时却出现乱码,要想完美解决乱码问题可能性较低,因为文本的来源和形成过程是不可知的,有可能同一个文件中的内容混合使用了多种编码,此时解决办法是按照文本使用的主要编码对文本进行解码,并且忽略其他采用其他编码的内容在解码时出现的错误,本文针对python环境给出一种可行的办法,主要使用文件编码检测包chardet,具体使用方法如下:
#!/usr/bin/env python# -*- coding: utf-8 -*-"""@version: 1.0@author: huludan@file: text_file_encoding.py@time: 2017-12-25"""import chardetfile_name = "/home/huludan/Documents/text.txt"with open(file_name) as f:content = f.read()encoding = chardet.detect(content)["encoding"] # 自动检测文件编码unicode_str = content.decode(encoding, "ignore") # 解码为unicode字符串utf8_str = unicode_str.encode("UTF-8") # 重新编码位UTF-8字符串java中文本文件读取乱码问题的解决思路同上,具体采用的文本内容编码检测包请自行查找。
阅读全文