Python Unicode-Probleme mit TXT-Datei

Question

Um eine kurze Geschichte kurz zu machen, ich schreibe ein Python-Skript, das den Benutzer auffordert, eine .docx-Datei zu löschen und die Datei in .txt konvertiert. Python sucht nach Schlüsselwörtern in der TXT-Datei und zeigt sie der Shell an. Ich stieß auf UnicodeDecodeError codec charmap etc ..... Ich überwand das, indem ich innerhalb meiner for-Schleife "word.decode (" charmap ") schrieb. JETZT zeigt Python die Schlüsselwörter nicht an, die es zur Shell findet. Irgendwelche Ratschläge auf ?, wie dies zu überwinden Vielleicht Python durch die Zeichen überspringen haben kann es nicht entschlüsseln und weiter durch den Rest zu lesen Hier ist mein Code:

import sys 
import os 
import codecs 

filename = input("Drag and drop resume here: ") 
keywords =['NGA', 'DoD', 'Running', 'Programing', 'Enterprise', 'impossible', 'meets'] 
file_words = [] 

with open(filename, "rb") as file: 
     for line in file: 
      for word in line.split(): 
       word.decode("charmap") 
       file_words.append(word) 

comparison = [] 

for words in file_words: 
    if words in keywords: 
     comparison.append(words) 

def remove_duplicates(comparison): 
    output = [] 
    seen = set() 
    for words in comparison: 
     if words not in seen: 
      output.append(words) 
      seen.add(words) 
    return output 

comparison = remove_duplicates(comparison) 
print ("Keywords found:",comparison) 

key_count = 0 
word_count = 0 

for element in comparison: 
    word_count += 1 
for element in keywords: 
    key_count += 1 

Threshold = word_count/key_count 

if Threshold <= 0.7: 
    print ("The candidate is not qualified for") 
else: 
    print ("The candidate is qualified for") 

file.close() 

und die Ausgabe:

Drag and drop resume here: C:\Users\User\Desktop\Resume_Newton Love_151111.txt 
Keywords found: [] 
The candidate is not qualified for 

Answer 1

In Ordnung, ich habe es herausgefunden. Hier ist mein Code, aber ich probierte eine docx-Datei, die komplexer zu sein schien und wenn sie in .txt umgewandelt wurde, bestand die gesamte Datei aus Sonderzeichen. Jetzt denke ich, dass ich zum python-docx-Modul gehen sollte, da es sich um XML-Dateien wie Word-Dokumente handelt. Ich fügte hinzu, "encoding = 'charmap'"

with open(filename, encoding = 'charmap') as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word) 

Answer 2

Vielleicht den Code veröffentlicht Herstellung die Rückverfolgung wäre einfacher zu beheben.

Ich bin mir nicht sicher ist das einzige Problem, vielleicht würde dies besser funktionieren:

with open(filename, "rb") as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word.decode("charmap")) 

Answer 3

In Python 3, öffnen Sie keine Textdateien im Binärmodus. Der Standardwert ist die Datei in Unicode entschlüsseln locale.getpreferredencoding(False) (cp1252 auf US Windows):

with open(filename) as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word) 

oder eine Codierung angeben:

with open(filename, encoding='utf8') as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word) 

Sie Notwendigkeit tun die Codierung der Datei kennen. Es gibt andere Optionen zu open auch, einschließlich errors='ignore' oder errors='replace', aber Sie sollten keine Fehler erhalten, wenn Sie die richtige Codierung kennen.

Wie andere bereits gesagt haben, würde die Veröffentlichung eines Beispiels Ihrer Textdatei, die den Fehler und die Fehlerrückverfolgung reproduziert, helfen, Ihr spezifisches Problem zu diagnostizieren.