《机器学习实战》笔记：UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 199: illegal multibyte

最新推荐文章于 2024-10-08 19:23:31 发布

cckchina

最新推荐文章于 2024-10-08 19:23:31 发布

阅读量5.2k

点赞数 6

分类专栏：《机器学习实战》笔记Python3.6

本文链接：https://blog.csdn.net/cckchina/article/details/79837621

版权

在尝试读取包含非标准字符的Text文档时，遇到了'gbk'编码错误。通过在for循环中加入print(i)定位到问题出现在第23个TXT文件，将'SciFinance?is '修改为'SciFinance is '，解决了UnicodeDecodeError问题。

摘要由CSDN通过智能技术生成

>>> bayes.spamTest()
Traceback (most recent call last):
File "<pyshell#19>", line 1, in <module>
bayes.spamTest()
File "E:\AI\FirstPythonProj\bayes.py", line 96, in spamTest
wordList = textParse(open('MachineLearningSourceCode/Ch04/email/ham/%d.txt' % i).read())

UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 199: illegal multibyte sequence

用的Python 3.6.4 Shell运行，打开Text文档没有发现很明显的非法字符，对应语句改成‘utf-8’,继续其它地方报错。

wordList = textParse(open('MachineLearningSourceCode/Ch04/email/ham/%d.txt' % i,encoding ='utf-8').read())

>>> bayes.spamTest()
Traceback (most recent call last):
File "<pyshell#21>", line 1, in <module>
bayes.spamTest()
File "E:\AI\FirstPythonProj\bayes.py", line 96, in spamTest<