把文件每行后面的数字去掉 以及 python读写文件时的编码问题

总结写在前面：

python读取文件文件时，如果出现 'gbk' codec can't decode byte 0xac in position 7482: illegal multibyte sequence编码错误

在读取文件的后面加一个b表示用二进制文件的格式打开with open(path,'rb') as file

假设读取出来的文件放在line里面，我们要使用line时，需要解码decode

line.decode()

 

今天拿到一个文件，里面的东西是这样的

^https?://[^/]+/$    10050
^https?://[^/]+/?(\?|$)    10040
^https?://[^/]+/.*\.(php|aspx|asp|jsp|do|dwr|cgi|fcgi|action|ashx|axd|json)(\?|$)    6997
^https?://[^/]+/(([^/]+/)*[^(.|/|?)]+($|\?)|([^/]+/)*$)    5394
^https?://[^/]+/.*(\?|$)    5348

大概有接近十万条，我只需要里面的那些每条前面的正则表达式，后面出现的数字怎么出来的我也不知道，

总之我就需要把每条后面的数字去掉，比较庆幸的是每串数字前面都有几个tab空格，于是就可以想到用Python读取文件然后用.split('\t')，想得倒是很简单，做起来却没有那么顺利，python3的编码问题搞得新手有点烦。

下面贴出代码

def func(path):
    result = []
    with open(path,'rb'