0

我正在尝试分析名称中包含中文字符的 CSV 文件中的数据（例如“粗体 1 25g”）。我正在使用 Tkinter 来选择这样的文件：

selectedFiles = askopenfilenames(filetypes=[("xlsx","*"),("xls","*")]) # Utilize Tkinker dialog window to choose files
selectedFiles = master.tk.splitlist(selectedFiles) # Create list from files chosen

我试图以这种方式将文件名转换为 unicode：

selectedFiles = [x.decode("utf-8") for x in selectedFiles]

只产生错误：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xb4 in position 0: ordinal not in range(128)

我还尝试转换文件名，因为文件是使用以下内容创建的：

titles = [x.encode('utf-8') for x in titles]

只收到错误：

IOError: [Errno 22] invalid mode ('wb') or filename: 'C:\...\\data_division_files\\\xe7\xb2\x971 25g.csv'

我也尝试了上述方法的组合，但无济于事。我可以做些什么来允许在 Python 中读取这些文件？

（这个问题虽然相关，但无法解决我的问题：Obtain File size with os.path.getsize() in Python 2.7.5）

4

1 回答 1

0

当您调用decode一个unicode对象时，它首先对其进行编码，sys.getdefaultencoding()以便它可以为您解码。这就是为什么即使您在任何地方都没有要求 ASCII，您也会收到有关 ASCII 的错误。

那么，你从哪里得到一个unicode对象？从askopenfilename. 从快速测试来看，它看起来总是unicode在 Windows 上返回值（大概是通过获取 UTF-16 并对其进行解码），而在 POSIX 上它返回一些unicode和一些str（我猜不理会任何适合 7 位的东西ASCII，用你的文件系统编码解码其他任何东西）。如果您尝试打印出 repr 或 type 或任何内容selectedFiles，问题就会很明显。

同时，不encode('utf-8')应该导致任何UnicodeErrors ......但您的文件系统编码可能不是 Windows 上的 UTF-8，因此它可能会导致很多IOError带有 errno 2 的 s（尝试打开不存在的文件，或在不存在的目录中创建文件）、21（试图在 Windows 上打开具有非法文件或目录名称的文件）等。看起来这正是您所看到的。而且真的没有理由这样做；只需将路径名原样传递给open它们就可以了。

所以，基本上，如果你删除了所有的encode和decode调用，你的代码可能就可以工作了。

但是，还有一个更简单的解决方案：只需使用askopenfileorasksaveasfile代替askopenfilenameor asksaveasfilename。让 Tk 弄清楚如何使用它的路径名，然后把文件对象交给你，而不是自己弄乱路径名。

于 2013-10-18T09:11:38.890 回答