Python Unicodeの.txtファイルの問題

Question

長い話を簡単にするために、ユーザーに.docxファイルをドロップするように求めるPythonスクリプトを作成しています。このファイルは.txtに変換されます。 Pythonは.txtファイル内のキーワードを探し、それらをシェルに表示します。私はUnicodeDecodeErrorコーデックのcharmapなどを実行していました。私はforループ内に "word.decode（" charmap "）を書くことでそれを克服しました。現在、Pythonはシェルにあるキーワードを表示していません。 ？？

import sys 
import os 
import codecs 

filename = input("Drag and drop resume here: ") 
keywords =['NGA', 'DoD', 'Running', 'Programing', 'Enterprise', 'impossible', 'meets'] 
file_words = [] 

with open(filename, "rb") as file: 
     for line in file: 
      for word in line.split(): 
       word.decode("charmap") 
       file_words.append(word) 

comparison = [] 

for words in file_words: 
    if words in keywords: 
     comparison.append(words) 

def remove_duplicates(comparison): 
    output = [] 
    seen = set() 
    for words in comparison: 
     if words not in seen: 
      output.append(words) 
      seen.add(words) 
    return output 

comparison = remove_duplicates(comparison) 
print ("Keywords found:",comparison) 

key_count = 0 
word_count = 0 

for element in comparison: 
    word_count += 1 
for element in keywords: 
    key_count += 1 

Threshold = word_count/key_count 

if Threshold <= 0.7: 
    print ("The candidate is not qualified for") 
else: 
    print ("The candidate is qualified for") 

file.close() 

そして出力：

Drag and drop resume here: C:\Users\User\Desktop\Resume_Newton Love_151111.txt 
Keywords found: [] 
The candidate is not qualified for 

Answer 1

申し訳ありません。ここで私のコードですが、私は複雑なように見えるdocxファイルを試しました.txtに変換すると、ファイル全体が特殊文字で構成されていました。だから私はWord文書のようなxmlファイルを扱うので、私はpython-docxモジュールに行くべきだと思っています。私は、 "エンコーディング= 'のcharmap'"

with open(filename, encoding = 'charmap') as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word) 

Answer 2

は多分生産のコードを投稿し、これを克服する方法を多分Pythonはそれをデコードし、残りを読み続けることができない文字をスキップ持ってここに私のコードですトレースバックを修正するのが簡単になります。

with open(filename, "rb") as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word.decode("charmap")) 

Answer 3

バイナリモードでは、テキストファイルを開かないでください。デフォルトでは、ファイルがlocale.getpreferredencoding(False)（米国Windows上cp1252）を使用してUnicodeにデコードします：

with open(filename) as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word) 

やエンコーディングを指定します。

with open(filename, encoding='utf8') as file: 
    for line in file: 
     for word in line.split(): 
      file_words.append(word) 

あなたはあなたのファイルのエンコーディングを知る必要性を行う。 には他のオプションもあります。errors='ignore'またはerrors='replace'などがありますが、正しいエンコーディングが分かっていればエラーにはなりません。

他の人は、エラーとトレースバックを再現するテキストファイルのサンプルを投稿すると、特定の問題の診断に役立つとも言われています。