質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.02%

  • Python 2.7

    1094questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

  • 文字コード

    175questions

    文字コードとは、文字や記号をコンピュータ上で使用するために用いられるバイト表現を指します。

  • 自然言語処理

    57questions

    自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

pythonでファイル読み込みした際の文字列のバイト数がおかしくなる。謎の見えない3バイトが付いてくる。

受付中

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 276

narinko

score 18

テキストファイルを作り、pythonで読み込みバイト数を調べました。しかし、最初の一行に謎の見えない3バイトが付いてしまいます。この正体は何でしょうか?消し方も教えてください。
windows7,Anaconda,Spyder,python2を使っています。
文字コードや改行コードについてはあまりよく分かっていません。関係あるか分かりませんが。

test.txt(UTF-8,CR+LFで保存)

あいうえお
かきくけこ
さしすせそ

test.py

# -*- coding: utf-8 -*-
f = open('test.txt', 'r')
f_read = f.read().split('\n')
for i in f_read:
    print i, len(i)


実行結果

あいうえお 18
かきくけこ 15
さしすせそ 15


このように日本語は一文字3バイトのはずですが、「あいうえお」だけ3バイト余計です。分かる方よろしくお願いいたします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

+5

申し訳ないです、python 2.7環境というのを見落としてました。
メモ帳でテキストファイルを保存しませんでしたかー?
バイトオーダーマーク略称 BOMが保存されていると思います。

python 2.7環境の場合はcodecsを使う必要があります。

# -*- coding: utf-8 -*-
from __future__ import unicode_literals
import codecs


def main():
    with codecs.open('test.txt', 'r', encoding='utf-8-sig') as f:
        for text in f.readlines():
            text = text.rstrip('\r\n')
            print text, len(text)


if __name__ == '__main__':
    main()

消し方も教えてください。

  1. テキストファイルを保存する時にメモ帳以外のソフト(Bracketsなど)で保存する。
  2. バイナリエディタでBOMを削除。

プログラム側での対応としてファイルを読み込む時にエンコーディングをutf-8-sigで読み込み(回答文の方法)


以下はpython 3環境用の回答です。

f = open('test.txt', 'r')

f = open('test.txt', 'r', encoding='utf-8-sig') に変更してみてください。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

+1

print i, len(i), repr(i)


で、データが全部見えるはずです。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 91.02%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python 2.7

    1094questions

    Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

  • 文字コード

    175questions

    文字コードとは、文字や記号をコンピュータ上で使用するために用いられるバイト表現を指します。

  • 自然言語処理

    57questions

    自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。