python读取 .trs 格式等特殊文本文件
1.前言
.trs文件是拓尔思bai(trs)公司异构文本检索的类似“du脚本”的文件,带有数据库的简单描述内容。
trs格式文件在windows
可以用 记事本软件
打开,和txt
文件一样
由此,在读取上基本和txt
一样,只是trs
等特殊格式文本文件可能不是用utf-8
统一编码。而是用本地编码,国内多是gbk
编码
。
2.实例
# 方式一
fp = open("trs文件.trs", "r").read() # 不用close文件了
print(fp)
# 方式二
fp = open("trs文件.trs", "r", encoding='gbk').read() # 不用close文件了,一般为gbk编码
print(fp)
# 方式三,以二进制文件读入
fp = open("trs文件.trs", "rb").read()
print("line.decode('gbk'):", fp.decode('gbk')) # 解码,在中国trs文件一般为gbk编码
细说一下以二进制读取文本文件。
由于读入的是二进制数据,所以那些常见的用于字符串
str
的函数不能用了,如:split,print输出的是十六进制的数据,要解码才能变成字符串。
优点:二进制读取文件比较快。
有一些库函数可以处理二进制的文本文件数据,如
jieba
分词库。当然,可能他内部也是把其转换为字符串再进行下一步的处理。
方式一结果
<REC>
<公开(公告)号>
<公开(公告)日>
<申请号>
<申请日>
<专利号>
<名称>
<主分类号>
<分类号>
<申请(专利权)人>
<发明(设计)人>
<摘要>
<国省代码>
<地址>
<发布路径>
<页数>
<申请国代码>
<专利类型>
<申请来源>
<公报发布路径>
<公报所在页>
<公报翻页信息>
进程已结束,退出代码0
。
。
。
。
。