嗯,这可能是一个简单的问题,坦率地说,我对编码和所有这些事情有点困惑。
假设我有文件 01234.txt
,它是 iso-8859-1。
当我这样做时:
iconv --from-code=iso-8859-1 --to-code=utf-8 01234.txt > 01234_utf8.txt
它给了我想要的结果,但是当我使用 python 并使用子进程做同样的事情时:
import subprocess
p0 = subprocess.Popen([<here the same command>], shell=True)
p0.wait()
我得到几乎相同的结果,但新文件丢失,例如最后一行和最后一行之前的部分行。
这是两个文件的最后三行: iconv 结果:
795719000|玛丽亚·特蕾莎·马鲁·维拉洛博斯|107
259871385|克里斯蒂安·阿尔贝托·苏亚雷斯·比利亚洛博斯|107
311015100|豪尔赫·梅萨·塞万提斯|09499386
Python 结果:
795719000|玛丽亚·特蕾莎·马鲁·维拉洛博斯|107
259871385|克里斯蒂安
编辑:在python文件中,我尝试使用编码:utf-8
和编码:iso-8859-1
(不同时使用时间)。
编辑:我在 bpython 中使用了编解码器,效果很好。当从文件中使用它时,我得到了不想要的结果。
编辑:我使用的是 linux (Ubuntu 9.10) 和 python 2.6.2。
有什么建议吗?
最佳答案
您写道:“在 python 文件中,我使用了编码:utf-8 和编码:iso-8859-1。”
仅使用其中的第一个。其次,指定它出现的Python源文件的编码,以便Python编译器可以完成它的工作。因此,它与输入文件和输出文件的编码绝对无关。仅使用 ASCII 字符即可编写将数据从编码 X 转码为编码 Y 的脚本。
现在解决你的问题:
您写道:“p0 = subprocess.Popen([<here the same command>], shell=True)
”
请(始终)在提出问题时,显示运行的确切代码,而不是您希望/认为运行的代码。使用复制/粘贴,不要重新输入。不要试图将其放在评论中;编辑您的问题。
更新:根据症状,这是一个猜测:您正在丢失文件的最后几个字节 - 看起来像是在消失之前未能刷新缓冲区。截断的输出文件的大小是2的整数幂吗?
也许您不应该依赖命令行处理器执行 > 01234_utf8.txt
可靠。如果省略命令的该部分,完整的有效负载是否会出现在标准输出上?如果是的话,您可以通过自己打开输出文件,将其句柄作为 stdout arg 传递,然后执行 handle.flush() 和 handle.close() 来解决该问题。
关于python - 在 shell 中将文件从 iso-8859-1 转换为 utf-8 iconv 与使用子进程从 python 调用它的结果不同,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2255509/