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

90.75%

  • Python

    6827questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    5293questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • Python 2.7

    1203questions

    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。

  • Jupyter

    195questions

  • ファイルI/O

    37questions

    ファイルI/Oは、コンピューターにおけるファイルの入出力です。これは生成/削除やファイルを読み込んだり、出力をファイルに書き込むようなディレクトリやファイルの運用を含みます。

単語の出現回数をpythonでカウントするプログラムのエラー

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 236

ranranway

score 198

 前提・実現したいこと

以下のサイトを参考にしながら単語の出現回数をpythonでカウントするプログラムを書いています。
参考サイト

 発生している問題・エラーメッセージ

実行したところ、以下のエラーが出ました。
参考のコードと比較して何が問題なのでしょうか。
修正するためのアドバイスをいただきたいです。

---------------------------------------------------------------------------
UnicodeDecodeError                        Traceback (most recent call last)
<ipython-input-4-318f4806d0b0> in <module>()
      1 f = open('sample.txt')
----> 2 data = f.read()
      3 
      4 # counting
      5 words = {}

~/.pyenv/versions/anaconda3-5.0.1/lib/python3.6/codecs.py in decode(self, input, final)
    319         # decode input (taking the buffer into account)
    320         data = self.buffer + input
--> 321         (result, consumed) = self._buffer_decode(data, self.errors, final)
    322         # keep undecoded input until the next call
    323         self.buffer = data[consumed:]

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

txtファイルの中身は1列のみで空白のないexcelファイルからtxtファイルに書き出したのですが、書き出したtxtファイルを見て見ると単語と単語の間に大きな空白がある状態で書き出されていました。
sample.txt

りんご




いちご




りんご

 該当のソースコード

f = open('sample.txt')
data = f.read()

# counting
words = {}
for word in data.split():
    words[word] = words.get(word, 0) + 1

# sort by count
d = [(v,k) for k,v in words.items()]
d.sort()
d.reverse()
for count, word in d[:20]:
    print (count, word)

 補足情報(FW/ツールのバージョンなど)

Microsoft Excel for Mac バージョン16.13

Python 3.6.3

オペレーティングシステム名(os.name):Mac OS X
ここにより詳細な情報を記載してください。

  • 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

checkベストアンサー

+1

確認したいのですが、sample.txtの文字コードはutf-8でしょうか?
python3のopen()関数は引数encodingを指定しない場合、「多分このファイルは実行環境のデフォルト文字コードで書いてるんやろ!」って解釈します。ちなみにwindowsのコマンドプロンプトcp932 ≒ ShiftJISだったはず...

sample.txtの文字コードを確認してみてください。もしもShiftJISとか、utf-8以外の文字コードの場合、明示的に書いてあげる必要があります。

# sample.txtがShift_JISの場合
f = open('sample.txt', mode="rt", encoding="shift_jis")
data = f.read()
...

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。

  • 2018/06/06 06:43

    ご回答いただきましてありがとうございます。
    $ file -mine ファイル名で確認しましたところ、sample.txtは
    「Little-endian UTF-16 Unicode text, with CRLF line terminators」でした。この場合はutf8に変更する必要があるという理解で正しいでしょうか。

    キャンセル

  • 2018/06/06 06:59

    解決しましたありがとうございました。

    キャンセル

+1

まず、

UnicodeDecodeError                        Traceback (most recent call last)

文字コードが違うという事です。 お手軽には、かなでなく、Ascii(半角英数)するとエラーが無くなると思います。日本語対応は、、、調べないと分からない(検索する沢山ありましたが、未検証)

Excelファイルの出力の件は、どうやって Excelファイルを テキストファイルにしているか不明なので、分かりませんが、一般的な話として、見た目、空でも空文字(空白など)が入っている事がよくあります。それに該当してませんか?

参考までに。

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。

  • 2018/06/06 06:59

    ご回答いただきましてありがとうございました。

    キャンセル

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 90.75%
  • 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

    6827questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    5293questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • Python 2.7

    1203questions

    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。

  • Jupyter

    195questions

  • ファイルI/O

    37questions

    ファイルI/Oは、コンピューターにおけるファイルの入出力です。これは生成/削除やファイルを読み込んだり、出力をファイルに書き込むようなディレクトリやファイルの運用を含みます。