最近写了一个Python小程序,用来统计《三国演义》中人物出场次数的。从网上下载一个”三国演义.txt”的文件,但是后来程序运行时出现以下报错:
UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xa1 in position 0: invalid start byte
后来经过不断查找终于找到了解决办法。
由于我在程序中设定文件打开的编码格式为“utf-8”,但是我后来用电脑的记事本打开这个”三国演义.txt”文件,然后在点击另存为的时候,发现原文件的编码方式是“ANSI”. 哦哦哦哦哦哦哦哦哦哦哦。。。。不报错才怪呢!
解决办法很简单,只需要在另存为的时候,选择编码方式为:UTF-8即可,就像下面这样
下面附上代码以及代码运行结果:
import jieba
text=open('./三国演义1.txt',"r",encoding='utf-8').read()
words=jieba.lcut(text)
counts={}
for word in words:
if len(word)==1: #排除带个字符的分词效果
continue
else:
counts[word]=counts.get(word,0)+1
items=list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)
for i in range(15):
word,count=items[i]
print("{0:<10}{1:>5}".format(word,count))
运行结果:
曹操果然是男一号!!!
小记:学习过程中会遇到各种问题,有的时候往往就是这样的小问题让你很不舒服。然而,越是这种小问题,越是应该搞清楚,不能似是而非,一知半解。学习之路漫漫,求共勉!