python - 避免Python编写的html文件中的不可打印字符

Question

我正在尝试将 SPSS 语法文件转换为可读的 HTML。除了在 HTML 文件中插入一个(单个)不可打印字符之外，它的工作几乎完美。它似乎没有 ASCII 代码，看起来像一个小点。这会带来麻烦。

它(仅)出现在 HTML 文件的第二行，始终对应于原始文件的第一行。这可能暗示了 Python 的哪一行导致了问题(请参阅注释)

似乎导致此问题的代码是

    rfil = open(fil,"r") #rfil =  Read File, original syntax
    wfil = open(txtFil,"w") #wfil =  Write File, HTML output
    #Line below causes problem??
    wfil.write("<ol class='code'>\n<li>") 
    cnt = 0
    for line in rfil:
        if cnt == 0:
            #Line below causes problem??
            wfil.write(line.rstrip("\n").replace("'",'&#39;').replace('"','&#34;')) 
        elif len(line) > 1:
            wfil.write("</li>\n<li>" + line.strip("\n").replace("'",'&#39;').replace('"','&#34;'))
        else:
            wfil.write("<br /><br />")
        cnt += 1
    wfil.write("</li>\n</ol>")
    wfil.close()
    rfil.close()

结果的屏幕截图

Answer 1

输入文件似乎以 byte order mark (BOM) 开头，表示UTF-8编码。您可以通过使用

打开文件将其解码为 Unicode 字符串

import codecs
rfil = codecs.open(fil, "r", "utf_8_sig")

utf_8_sig 编码在开始时会跳过 BOM。

有些程序可以识别 BOM，有些则不能。要写出不带 BOM 的文件，请使用

wfil = codecs.open(txtFil, "w", "utf_8")