python读取 .trs 格式等特殊文本文件

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

。

。

。

。

。