Python解析“Unicode”编码格式文本

最近工作需要，需要解析一个win下工具生成的log文件，但是在解析过程中怎么也无法得到预期效果。在此做相关总结分享

测试环境

windows10
python3.6.3

场景还原

• 新建文本文档，内容如下

abcdefg
hijklmn
opqrstu
vwxyz

然后点击 文件->另存为->编码->Unicode，如下图

尝试通过python/DOS进行读写操作

python

test.py:

# -*-coding=utf-8 -*-
import os
f = open("test.txt",'r') 
print(f.readlines())

运行时报错如下：

C:\Users\Administrator\Desktop\test>python test.py test.txt
Traceback (most recent call last):
  File "test.py", line 6, in <module>
    print(f.readlines())
UnicodeDecodeError: 'gbk' codec can't decode byte 0xff in position 0: illegal multibyte sequence

后经过网上一顿找，都说应该在读文件时设定解码为“utf-8”，即改为如下

# -*-coding=utf-8 -*-
import os
f = open("test.txt",'r',encoding="utf-8") 
print(f.readlines())

但是结果依旧不理想，说明这也不是”utf-8”的

C:\Users\Administrator\Desktop\test>python test.py
Traceback (most recent call last):
  File "test.py", line 6, in <module>
    print(f.readlines())
  File "C:\Program Files\Python36\lib\codecs.py", line 321, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

dos

python测试失败，于是又尝试用dos命令解析
test.bat

for /F "delims=\n" %%i in (C:\Users\Administrator\Desktop\test\test1.txt) do (echo %%i)

运行脚本，没有输出

解决问题

起初在遇到此问题后并没有意识到是log文档本身有问题，而是找了半天代码的问题 = = ，这两句这么简单也不会有什么问题啊。。。于是自己新建一个文本文档尝试读写，哎？竟然成功了，这才意识到可能在文件上面有不同，于是才想到了win下的文本文档有不同的编码格式。。。半天就这么过去了

这里需要注意的是，win新建文本文档时，编码格式默认为ANSI，而我通过工具生成的log文档编码格式是“Unicode”。。。

既然发现了问题，那么接下来就是想办法解决问题了。由于需要开发工具对log进行分析，时间紧迫，于是在*度搜索文本编码格式转换工具，很遗憾。没有命令行模式的，不能被我调用。那就只能自己给log文件改编码格式，但是python本身就解析错误，故放弃。Dos嘛。。。文本文档可以被记事本打开，说明解析肯定没有问题，如果我可以在dos下解析，然后重定向到新的txt文档，新的文档为默认编码“ANSI”，对了，用 type!

所以，由于我的工具是用python写的，可以在python调用dos命令type test.txt > result.txt然后即可成功解析，
type+重定向导出的文本编码格式：

完成的示例代码如下：

import os
os.system("type test.txt > result.txt")
f = open("result.txt",'r') 
print(f.readlines())

结果：

C:\Users\Administrator\Desktop\test>python test.py test.txt
['abcdefg\n', 'hijklmn\n', 'opqrstu\n', 'vwxyz']

Bingo!