2

我创建了一个简单的程序，它读取一个文件并要求用户输入一个单词，然后告诉该单词被使用了多少次。我想改进它，这样您就不必每次都输入确切的目录。我导入了 Tkinter 并使用了代码 fileName= filedialog.askfilename() 以便弹出一个框让我选择文件。每次我尝试使用它时，都会收到以下错误代码...

Traceback (most recent call last):
  File "/Users/AshleyStallings/Documents/School Work/Computer Programming/Side Projects/How many? (Python).py", line 24, in <module>
    for line in fileScan.read().split():   #reads a line of the file and stores
  File "/Library/Frameworks/Python.framework/Versions/3.3/lib/python3.3/encodings/ascii.py", line 26, in decode
    return codecs.ascii_decode(input, self.errors)[0]
UnicodeDecodeError: 'ascii' codec can't decode byte 0x8e in position 12: ordinal not in range(128)

我似乎没有收到此错误代码的唯一一次是当我尝试打开 .txt 文件时。但我也想打开 .docx 文件。提前感谢您的帮助:)

# Name: Ashley Stallings
# Program decription: Asks user to input a word to search for in a specified
# file and then tells how many times it's used.
from tkinter import filedialog

print ("Hello! Welcome to the 'How Many' program.")
fileName= filedialog.askopenfilename()  #Gets file name


cont = "Yes"

while cont == "Yes":
    word=input("Please enter the word you would like to scan for. ") #Asks for word
    capitalized= word.capitalize()  
    lowercase= word.lower()
    accumulator = 0

    print ("\n")
    print ("\n")        #making it pretty
    print ("Searching...")

    fileScan= open(fileName, 'r')  #Opens file

    for line in fileScan.read().split():   #reads a line of the file and stores
        line=line.rstrip("\n")
        if line == capitalized or line == lowercase:
            accumulator += 1
    fileScan.close

    print ("The word", word, "is in the file", accumulator, "times.")

    cont = input ('Type "Yes" to check for another word or \
"No" to quit. ')  #deciding next step
    cont = cont.capitalize()

    if cont != "No" and cont != "Yes":
        print ("Invalid input!")

print ("\n")
print ("Thanks for using How Many!")  #ending

PS 不确定是否重要，但我正在运行 OSx

4

1 回答 1

3

我似乎没有收到此错误代码的唯一一次是当我尝试打开 .txt 文件时。但我也想打开 .docx 文件。

文件docx不仅仅是文本文件；它是一个Office Open XML文件：一个包含 XML 文档和任何其他支持文件的 zip 文件。尝试将其作为文本文件读取是行不通的。

例如，文件的前 4 个字节将是：

b'PK\x03\x04`

你不能把它解释为 UTF-8、ASCII 或其他任何东西，而不会得到一堆垃圾。你肯定不会在其中找到你的话。

您可以自己进行一些处理——用于zipfile访问document.xml存档内部，然后使用 XML 解析器获取文本节点，然后重新加入它们，以便您可以在空白处拆分它们。例如：

import itertools
import zipfile
import xml.etree.ElementTree as ET

with zipfile.ZipFile('foo.docx') as z:
    document = z.open('word/document.xml')
    tree = ET.parse(document)

textnodes = tree.findall('.//{http://schemas.openxmlformats.org/wordprocessingml/2006/main}t')
text = itertools.chain.from_iterable(node.text.split() for node in textnodes)
for word in text:
    # ...

当然，实际解析xmlns声明并正确注册命名空间会更好，w因此您可以使用'w:t'放置有关 XML 命名空间和ElementTree.

那么，你怎么知道它是一个充满东西的 zipfile，实际文本在 file 中word/document.xml，而该文件中的实际文本在.//w:t节点中，命名空间w映射到http://schemas.openxmlformats.org/wordprocessingml/2006/main，等等？好吧，如果您已经对这些东西有足够的了解，您可以阅读所有相关文档并找出答案，使用一些示例文件和一些探索来指导您。但是，如果您不这样做，那么您将面临一条主要的学习曲线。

即使您确实知道自己在做什么，在PyPI 中搜索 docx 解析器模块并使用它也可能是一个更好的主意。

于 2013-07-15T19:45:25.667 回答