Python 读写文件的编码与解码问题

本文通过使用 Python 中的 with 来读写 word 文档，遇到文本的编码与解码问题，试了下面很多种方法，依旧没有不能将 word 文件的内容打印出来

最终通过文件格式转化来实现的，请见最后代码描述

演示文件为docx文档，内容如下：

Word文件内容.png

源码

with open('C:/Users/zhangXXX/Desktop/test.docx') as f:
line = f.read()
print(line)

运行源码查看报错信息
UnicodeDecodeError: 'gbk' codec can't decode byte 0xab in position 15: illegal multibyte sequence

上述错误是一种很常见的解码错误，下面介绍该错误的解决方法

1）打开文件时设置编码格式，如 encoding=’gbk’ 或者'utf-8'

 with open('C:/Users/zhangXXX/Desktop/test.docx', encoding=’gbk’) as f:

2）若（1）不能解决，可能是文本中出现的一些特殊符号超出了gbk的编码范围，可以选择编码范围更广的‘gb18030’

 with open('C:/Users/zhangXXX/Desktop/test.docx', encoding='gb18030') as f:

3）若（2）仍不能解决，说明文中出现了连‘gb18030’也无法编码的字符，可以使用‘ignore’属性进行忽略，但输出结果是乱码

 with open('C:/Users/zhangXXX/Desktop/test.docx', encoding='gb18030', errors='ignore') as f:

文件输出是乱码.png

把utf-8，gbk等各种编码方式都试了一遍，还是没有解决问题然后仔细看报错信息，根据UnicodeDecodeError: 'utf-8' codec can't decode byte 0xfb in position 14: invalid start byte，猜测文件中某个字节不能解码，打开文件一看，并没有看出什么问题来

4）TypeError: an integer is required (got type str)

open() 函数的第三个参数不是用来接收编码方式的，而是传入一个buffering的值，此处传入了'gbk'字符串，所以系统提示传一个整型

with open('C:/Users/zhangXXX/Desktop/海口.docx', 'rb', 'gbk') as f:

文件转化方法步骤：

通过调用office的API进行操作，因为在office上能完成的操作，都能通过win32完成，所以我们选择使用win32
（Python3.5 需要安装 win32compat，里面含了 win32 的很多包）

1、安装第三方库：win32compat

pip install  win32compat

2、将文件转化为文本格式 后再次打开输出（先将文件转化为doc格式）

# test for with.py
# -*- coding: utf-8 -*-
# __author__ = 'Carina'

from win32com import client as wc

word = wc.Dispatch('Word.Application')
doc = word.Documents.Open(r'C:/Users/Carina/Desktop/海口1.doc')
doc.SaveAs('C:/Users/Carina/Desktop/海口2',4)
doc.Close()
word.Quit()

with open(r'C:\Users\Carina\Desktop\海口2.txt','r') as f:
    line = f.read()
    print(line)

调试过程png

总结

读取文件内容的方式常见有3种：
file.read()
file.readlines()
file.readline()