Crossin的编程教室

标题: 如何读取机器码和文本混合的文档,从中提取文本部分的内容? [打印本页]

作者: anyone 时间: 2020-9-20 03:17
标题: 如何读取机器码和文本混合的文档,从中提取文本部分的内容?
我想使用python读取一个视频编辑器的存档文件, 这个存档绝大部分是文本, 但是开头部分和中间随机的部分有一些机器码. 我如何才能使用python读取其中的文本片段?

代码样式

我尝试使用代码框粘贴到这里, 但是粘贴完后自动就过滤了那些机器码. 所以我用贴图的方式展示.

开头部分:

中间部分:

我的尝试

with open('testing.wfp', 'r', encoding='utf-8') as f:

复制代码

这个提示: UnicodeDecodeError: 'utf-8' codec can't decode byte 0x9a in position 11: invalid start byte

with open('c:/desktop/testing.wfp', 'rb') as f:

复制代码

使用byte模式读取, 虽然没有提示出错, 但读取的结果f.read()是一个byte变量, 又没有办法使用字符串的操作.
当使用decode()这类的方法进行转换的时候又回到上面的decode error.

我的问题

不知道有什么办法才能读取这样的混合型的文件? 为了方便高手帮我调试, 我在附件中加了一个片段, 包括头部的机器码和下面的一段文字.

非常感谢.

testing.zip

498 Bytes, 下载次数: 3

样式文件, 只有头部的机器码和部分文字内容

作者: crossin先生 时间: 2020-9-20 15:47
这种文件都是某种软件自己定义的格式，如果你不知道它的规则，或者用专门的库，是没有办法完美读取的，读取了也没法用。

如果你只是需要取出其中的可读文本部分，可以在open里加上参数 errors='ignore' 或者 'replace'，会自动替换无法解码的字符

----
你保存成的txt文件就是相当于软件帮你做了这个过程，所以你发上来的txt即使直接打开也不会报错

作者: anyone 时间: 2020-9-20 18:41

crossin先生发表于 2020-9-20 15:47
这种文件都是某种软件自己定义的格式，如果你不知道它的规则，或者用专门的库，是没有办法完美读取的，读取 ...

非常感谢, errors的ignore/replace正是我需要的.

在这里总是学到很多. 再次感谢.

欢迎光临 Crossin的编程教室 (https://bbs.crossincode.com/)