unix 如何将LF转换为CRLF?

lpwwtiir  于 11个月前  发布在  Unix
关注(0)|答案(5)|浏览(216)

我在网上找到了一个大部分英语单词的列表,但是换行符是unix风格的(用Unicode编码:UTF-8)。
我如何将换行符转换为CRLF,这样我就可以覆盖它们了?我将使用它们的程序会遍历文件中的每一行,所以每行必须有一个单词。
这是文件的一部分:bitbackbitebackbiterbackbitersbackbitesbackbitingbackbittenbackboard
它应该是:

bit
backbite
backbiter
backbiters
backbites
backbiting
backbitten
backboard

字符串
如何将我的文件转换为这种类型?注意:它是26个文件(每个字母一个),总共有80,000字左右(所以程序应该非常快)。
我不知道从哪里开始,因为我从来没有与unicode工作。提前感谢!
使用rU作为参数(如建议的那样),在我的代码中这样做:

with open(my_file_name, 'rU') as my_file:
    for line in my_file:
        new_words.append(str(line))
my_file.close()


我得到这个错误:

Traceback (most recent call last):
  File "<pyshell#5>", line 1, in <module>
    addWords('B Words')
  File "D:\my_stuff\Google Drive\documents\SCHOOL\Programming\Python\Programming Class\hangman.py", line 138, in addWords
    for line in my_file:
  File "C:\Python3.3\lib\encodings\cp1252.py", line 23, in decode
    return codecs.charmap_decode(input,self.errors,decoding_table)[0]
UnicodeDecodeError: 'charmap' codec can't decode byte 0x8d in position 7488: character maps to <undefined>


有人能帮我吗?

fjnneemd

fjnneemd1#

而不是转换,你应该能够使用Python的通用换行符支持打开文件:

f = open('words.txt', 'rU')

字符串
(Note U)。

m1m5dgzv

m1m5dgzv2#

你可以使用字符串的replace方法。比如

txt.replace('\n', '\r\n')

字符串
编辑:
在你的情况下:

with open('input.txt') as inp, open('output.txt', 'w') as out:
    txt = inp.read()
    txt = txt.replace('\n', '\r\n')
    out.write(txt)

qco9c6ql

qco9c6ql3#

你不需要转换文件中的行结束符就可以覆盖它们。正如NPE所建议的,只需使用python的通用换行符模式。
发生UnicodeDecodeError是因为您正在处理的文件被编码为UTF-8,并且当您尝试通过str(line)将内容从字节解码为字符串时,Python正在使用cp1252编码将从文件读取的字节转换为Python 3字符串(即一系列的unicode代码点)。但是,这些文件中有一些字节不能用cp1252编码解码,这会导致UnicodeDecodeError。
如果你将str(line)改为line.decode('utf-8'),你将不会再得到UnicodeDecodeError。查看Text Vs. Data而不是Unicode Vs. 8-bit writeup了解更多细节。
最后,你可能也会发现Joel Spolsky的The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)很有用。

stszievb

stszievb4#

您可以使用Cereja包

pip install cereja==1.2.0

个字符

第一个月
您可以替代任何标准。请参阅filetools模块

ff29svar

ff29svar5#

2023年:

这是一个非常古老的问题,对于Python 2有非常古老的答案
但是似乎open()中的选项UPython 3中被弃用(甚至被删除)。
Python 3中,您可以在open()中使用newline="\r\n"来写入\r\n
(and不需要replace()

with open('input.txt') as file_in:
    txt = file_in.read()

with open('output.txt', 'w', newline='\r\n') as file_out:
    file_out.write(txt)

字符串
但问题中的错误显示cp1252.py也有问题
这意味着它试图将其读取为cp1252,而不是utf-8
Python 3中,可能需要在open()中使用encoding="utf-8"

with open('input.txt', encoding="utf-8") as file_in:
    txt = file_in.read()


Doc:open()
您也可以在open(rbwb)中使用bytes-mode而不是text-mode
它将需要replace()与字节b"\r"b"\r\n"

with open('input.txt', 'rb') as file_in:
    bytes_data = file_in.read()

bytes_data = bytes_data.replace(b'\n', b'\r\n')

with open('output.txt', 'wb') as file_out:
    file_out.write(bytes_data)


它不关心文件是否使用utf-8cp1252
但是我不知道在utf-8或者cp1252中是否有些字符没有使用\n作为字符代码的一部分,这可能会在文本中产生错误。

相关问题