打开文本文件时出现Unicode错误

Question

我有一个可能很简单的问题。不过，我刚开始使用Python，这让我感到很困惑。我正在按照一本书的说明，想打开一个简单的文本文件。

我用的代码是：

import sys
try:
 d = open("p0901aus.txt" , "W")
except:
 print("Unsucessfull")
 sys.exit(0)

但是我要么收到消息说我无法打开这个文档，要么弹出一个窗口显示：

(unicode错误) 'unicodeescape' 编解码器无法解码位置2-4的字节：\UXXXXXXXX转义序列被截断

我完全不知道问题出在哪里。我尝试过用不同的编码保存文档，也试过不同的路径……结果总是同样的问题。

有没有人能帮帮我？

非常感谢，

乔治

附：我使用的是Windows Vista

Answer 1

import csv

data = csv.reader(open('c:\x\list.csv' ))

for row in data:

    print(row)

print('ready')

出现了一个错误，内容是“(unicode error)'unicodeescape' 编解码器无法解码位置 2-4 的字节：\xXX 转义序列不完整”。

你可以试试用 c:\\x\\list.csv 代替 c:\x\list.csv。

这段代码是用 Python 3 写的。

Answer 2

把这个改成

# for Python 2.5+
import sys
try:
   d = open("p0901aus.txt","w")
except Exception, ex:
   print "Unsuccessful."
   print ex
   sys.exit(0)

# for Python 3
import sys
import codecs
try:
  d = codecs.open("p0901aus.txt","w","utf-8")
except Exception as ex:
  print("Unsuccessful.")
  print(ex)
  sys.exit(0)

注意，W是区分大小写的。我不想一下子把所有的Python语法都告诉你，但知道怎么显示出现了什么错误是很有用的，这是一种方法。

另外，你现在是以写的方式打开文件，而不是读的方式。这是你想要的吗？

如果已经有一个叫做p0901aus.txt的文件，并且你想读取它，可以这样做：

#for Python 2.5+
import sys
try:
   d = open("p0901aus.txt","r")
   print "Awesome, I opened p0901aus.txt.  Here is what I found there:"
   for l in d:
      print l
except Exception, ex:
   print "Unsuccessful."
   print ex
   sys.exit(0)

#for Python 3+
import sys
import codecs
try:
   d = codecs.open("p0901aus.txt","r","utf-8")
   print "Awesome, I opened p0901aus.txt.  Here is what I found there:"
   for l in d:
      print(l)
except Exception, ex:
   print("Unsuccessful.")
   print(ex)
   sys.exit(0)

当然，你也可以在Python 2.5中使用codecs，如果这样做，你的代码质量会更高（“正确”）。Python 3似乎把字节顺序标记当作一种奇怪的东西，或者说是一些杂音，这让人有点失望。

Answer 3

(unicode错误) 'unicodeescape' 编解码器无法解码位置2-4的字节：\UXXXXXXXX转义序列不完整

这通常意味着你尝试读取的文件编码方式和open()函数所期望的不同。open()函数通常期待某种Unicode编码（最有可能是UTF-8或UTF-16），但你的文件并不是这种编码。

通常情况下，不建议直接使用open()来读取文本文件，因为如果不指定编码，就无法正确读取文本文件（除非它是纯ASCII编码）。

建议使用codecs模块来处理：

import codecs
fileObj = codecs.open( "someFile", "r", "utf-8" )
u = fileObj.read() # Returns a Unicode string from the UTF-8 bytes in the file