python实现将文本格式改为utf-8withoutBom格式

在使用niutrans是用自己的数据进行模型训练时翻译失败,原来是双语文件编码问题,前提要将预料文件改成utf-8withoutBom的格式,否则造成训练失败。
f = open(“sourcedata/english.raw.sample.txt”, “rb”)
s = f.read()
if s.startswith(codecs.BOM_UTF8):
s = s[len(codecs.BOM_UTF8):]
f.close()
判断文本的编码类型
f = open(‘sourcedata/chinese.raw.sample.txt’, ‘rb’)
data = f.read()
print(chardet.detect(data))

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值