python 删除gbk无法编码符号——递归函数返回None的问题

python 删除gbk无法编码符号——递归函数返回None的问题

问题：

当前项目文件夹下有一个 data_old 文件夹

里面是 utf-8 编码的 txt 文件（注：python3 默认是 utf-8 编码）

现对 data_old 文件夹里的每一个文件逐行读取，删除 gbk 无法编码的字符然后写入到 data 文件夹

思路：

根据报错无法编码的位置，删除该对应字符，直到不报错（可以 gbk 编码为止），即递归调用

import reimport os# 按名称排序，获取目录下所有文件def get_file_list(file_path): dir_list = os.listdir(file_path) if not dir_list: return else: # 注意，这里使用lambda表达式，key设为下列数值可按照修改时间排序 # os.path.getmtime() 函数是获取文件最后修改时间 # os.path.getctime() 函数是获取文件最后创建时间 dir_list = sorted(dir_list, key=lambda x: int(x[:-4])) # 去掉.txt return dir_listdef killAnUnseen(s): try: s.encode('gbk') # print("return" + s) return s except UnicodeEncodeError as err: mode = re.findall(r'position ([0-9]*): illegal multibyte sequence', str(err)) # if mode: # print("position:" + mode[0]) # print(s[int(mode[0])]) news = s.replace(s[int(mode[0])], "", 1) return killAnUnseen(news)filelist = get_file_list('./data_old')# filelist = filelist[60:]for file in filelist: print("\r {} is working".format(file), end="") result = [] with open('./data_old/' + file, 'r') as f: # py3默认utf-8编码 lines = f.readlines() for line in lines: try: # 尝试gbk编码 line.encode('gbk') except UnicodeEncodeError: # 编码失败，去掉无法编码的字符 print(line) line = killAnUnseen(line) result.append(line) with open('./data/' + file, 'w', encoding='gbk') as f_new: f_new.writelines(result)

注意！！！

递归函数如果有 try 和 except，一定要在两个情况下都写上 return，否则递归时最后一层的 return 不属于最开始的 def，无返回值

下列这样的写法会出现返回 None 的奇怪现象

def killAnUnseen(s): try: s.encode('gbk') # print("return" + s) return s except UnicodeEncodeError as err: mode = re.findall(r'position ([0-9]*): illegal multibyte sequence', str(err)) # if mode: # print("position:" + mode[0]) # print(s[int(mode[0])]) news = s.replace(s[int(mode[0])], "", 1) killAnUnseen(news) # 这里应该写成return killAnUnseen(news)

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。