Python 元音变音字符问题 - 需要 mbcs ，是否有更好的方法处理所有字符

Question

我在使用 Python 脚本打开包含元音变音字符的文件时遇到问题。当然，我认为我可以通过 unicode utf8 修复来纠正这个问题，但事实并非如此......

我最终使用了mbcs(默认为cp1252)

然后我写了这个声明，我希望写得更干净，

def len(fname):
i = -1
try:
    with open(fname, encoding='mbcs') as f:
        for i, l in enumerate(f):
            pass
except UnicodeDecodeError:
    try:
        i = -1
        with open(fname, encoding='utf8') as f:
            for i, l in enumerate(f):
                pass
    except UnicodeDecodeError:
        i = -1
        with open(fname) as f:
            for i, l in enumerate(f):
                pass
return i + 2 # 2 because it starts at -1 not 0

Answer 1

正如评论中所解释的那样，您几乎肯定会做错这一切......但如果您确实需要做这样的事情，以下是如何简化它:

避免重复的一般解决方案是使用循环。您已获得相同的代码三次，唯一的区别是编码，因此改为循环三种编码。 (在您的情况下，第三个循环根本没有传递 encoding ，因此您必须知道参数的默认值，但是 the docs 或 help会告诉你这一点。)唯一的问题是你显然不想在第三种情况下处理异常；最简单的方法是，如果它们全部失败，则重新引发最后一个异常。

当我们这样做时:没有必要像您那样预先“声明”i； for 循环将从 0 开始并删除您放在那里的任何内容。这也意味着末尾的 +2 是错误的。但有一种更简单的方法可以首先获取可迭代对象的长度:只需将其输入到使用生成器表达式的对象中即可。用 C 编写的自定义 ilen 函数是理想的选择，但人们已经测试了各种不同的 Python 实现，并且 sum(1 for _ in iterable) 几乎与完美的一样快解决方案，而且非常简单，所以它是最常见的习语。如果这对您来说不是很明显，请将其分解为一个函数并命名为lien，并给它一个很好的文档字符串和/或注释。或者只是 pip install more-itertools然后你就可以调用more_itertools.ilen(f) .

无论如何，把它们放在一起:

def len(fname):
    for encoding in 'mbcs', 'utf8', None:
        try:
            with open(fname, encoding=encoding) as f:
                return sum(1 for line in f)
        except UnicodeDecodeError as e:
            pass
    raise e