[已解决]再开一贴，还是关于文件搜索的

wp231957

1. # coding: utf-8
   
2. from os import listdir
   
3. 
   
4. #程序的功能就是从e:\gcc-html\gcc的所有文件中搜索keyword
   
5. #如果在哪个文件中找到了这个字符串，就把该文件名输出到屏幕
   
6. 
   
7. if __name__=="__main__":
   
8.   keyword=input('please input find chars:')
   
9.   files=listdir('e:\gcc-html\gcc')
   
10.   flag=0
    
11.   for file in files:
    
12.     ftmp="e:\\gcc-html\\gcc\"+file
    
13.     fo = open(ftmp, "r",encoding='windows-1252')
    
14.     #print("正在处理 %s"%file)
    
15.     if keyword in fo.read():
    
16.        flag+=1
    
17.        print(file)
    
18.   if flag==0:print("keyword:%s no found "%keyword)

复制代码

这个搜索ansi 字符串 没有问题，能运行 且得到正确结果

但是搜汉字词语就找不到了，例如：
e:\>python ex14.py
please input find chars:电脑
keyword:电脑 no found
（这个电脑这两个字是存在某个txt里的)

最佳答案

月排行榜 / 总排行榜

jackz007

2019-3-25 18:40:47

     估计是汉字编码的问题，键入以下代码，测试一下，看看结果：

1. # coding: utf-8
   
2. 
   
3. if __name__=="__main__":
   
4.     keyword = input('please input find chars:')  # 键盘输入两个汉字：'电脑'
   
5.     for x in keyword:
   
6.         print ' 0x%02x' % ord(x) ,               # 看看屏幕输出是不是：0xb5  0xe7  0xc4  0xd4
   

复制代码

跳转到最佳答案楼层

jackz007

     估计是汉字编码的问题，键入以下代码，测试一下，看看结果：

1. # coding: utf-8
   
2. 
   
3. if __name__=="__main__":
   
4.     keyword = input('please input find chars:')  # 键盘输入两个汉字：'电脑'
   
5.     for x in keyword:
   
6.         print ' 0x%02x' % ord(x) ,               # 看看屏幕输出是不是：0xb5  0xe7  0xc4  0xd4
   

复制代码

wp231957

jackz007 发表于 2019-3-25 18:40
估计是汉字编码的问题，键入以下代码，测试一下，看看结果：

我再交互模式下和运行模式下得到一致结果

0x7535
0x8111

wp231957

哦  也没啥问题   详见：

我再百度查了一下  ： 你说的内码是 GBK内码16进制
而我得到这个结果是  Unicode编码16进制（这没啥问题啊，从py文件本身，还是哪里 不都是utf-8 吗）

wp231957

补充，我又特意查看了一下，我要搜索的含有“电脑”两个字的 文本文件  它的编码格式是GB2312  

确实是和我的utf-8  冲突啊

wp231957

这样就能查到了，

1. # coding: utf-8
   
2. from os import listdir
   
3. 
   
4. if __name__=="__main__":
   
5.   keyword=input('please input find chars:')
   
6.   ftmp=u"e:\gcc-html\gcc\桌面显示ie图标.txt"
   
7.   fo = open(ftmp, "r",encoding='GB2312')
   
8.   if keyword in fo.read():
   
9.     print(ftmp)
   

复制代码

其原因我猜测是我的原始文件目录中（即便都是文本文件，可是编码格式却是啥都有） 我只针对一个文件  就能办到了
我还要继续研究下去

jackz007

wp231957 发表于 2019-3-26 09:28
这样就能查到了，

其原因我猜测是我的原始文件目录中（即便都是文本文件，可是编码格式却是啥都有） 我 ...

    其实，utf8 与 unicode 还不能划等号，你得到的 16 进制码是 unicode 的，请运行一下下面的代码，区别一目了然：

1. def hexbytes(s):
   
2.     ret = '0x%02x' % ord(s[0])
   
3.     for i in range(1 , len(s)):
   
4.         ret += ' 0x%02x' % ord(s[i])
   
5.     return ret
   
6. 
   
7. a = unichr(0x7535) + unichr(0x8111)
   
8. b = a . encode("utf8")
   
9. c = a . encode("gbk")
   
10. d = a . encode("gb2312")
    
11. e = b . decode("utf8")
    
12. 
    
13. print a , 'unicode : ' , hexbytes(a)
    
14. print b , '   utf8 : ' , hexbytes(b)
    
15. print c , '    gbk : ' , hexbytes(c)
    
16. print d , ' gb2312 : ' , hexbytes(d)
    
17. print e , 'default : ' , hexbytes(e)

复制代码

wp231957

jackz007 发表于 2019-3-26 11:02
其实，utf8 与 unicode 还不能划等号，你得到的 16 进制码是 unicode 的，请运行一下下面的代码， ...

2.x 代码  运行不了呢

jackz007

1. a = unichr(0x7535) + unichr(0x8111)

复制代码

    改为下面试试：

1. a = chr(0x7535) + chr(0x8111)

复制代码

wp231957

只有第一个print被执行 执行结果如下：

电脑 unicode :  0x7535 0x8111
Traceback (most recent call last):
  File "ex16.py", line 14, in <module>
    print (b , '   utf8 : ' , hexbytes(b))
  File "ex16.py", line 2, in hexbytes
    ret = '0x%02x' % ord(s[0])
TypeError: ord() expected string of length 1, but int found

修改后代码如下：

1. def hexbytes(s):
   
2.     ret = '0x%02x' % ord(s[0])
   
3.     for i in range(1 , len(s)):
   
4.         ret += ' 0x%02x' % ord(s[i])
   
5.     return ret
   
6. 
   
7. a = chr(0x7535) + chr(0x8111)
   
8. b = a.encode("utf8")
   
9. c = a.encode("gbk")
   
10. d = a.encode("gb2312")
    
11. e = b.decode("utf8")
    
12. 
    
13. print (a , 'unicode : ' , hexbytes(a))
    
14. print (b , '   utf8 : ' , hexbytes(b))
    
15. print (c , '    gbk : ' , hexbytes(c))
    
16. print (d , ' gb2312 : ' , hexbytes(d))
    
17. print (e , 'default : ' , hexbytes(e))

复制代码