Python 读取文件时怎么防止其在转义字符前加 \

Question

今天突然遇到一个问题，在文本处理的时候需要去除一些停用词，停用词都放在一个txt文件中，其中一个字符串是 "\xa0"，用python读取后便会自动变为 “\\xa0”. 以前都是字符串前面加 “r” ，但是从文件中读取这个真的没想出来...

Answer 1

\xa0是一个空白符，这是它的十六进制表示形式。我猜你是把\xa0这个字符串直接存到了文件中。正确的做法是，存这个符号本身。

>>> with open('new.py', 'w') as f:
...     f.write('\xa0')
...
1
>>> with open('new.py', 'r') as f:
...     content = f.read()
...
>>> content
'\xa0'

如果用文本编辑器打开，只能看到一个空白符。

Answer 2

同意楼上的，python在保存文件时候，已经自动帮把文件转换称流的格式了。

Answer 3

方法一，用二进制的方式读取文件，并对内容进行细致的解析，来避免这个问题。

方法二，由于我猜测这可能是编码造成的问题，所以建议用 open 函数的 errors 参数来测试这个问题，有可能解决。

此外，因为没有测试，我不确定你这是不是实际上被添加了一个反斜杠，还是 Python 打印时为了显示，比如因 repr 函数等因素，而造成的显示型反斜杠。