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

88.64%

python3.5でテキストファイルの読込で、内容が同じなのにエラーになることがある

解決済

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 540

kazushige

score 20

 前提・実現したいこと

pythonのプログラムで感情分析するohke さんのブログのプログラムを検証してます。

 発生している問題・エラーメッセージ

File "C:/Users/momo/Desktop/ニュース感情極性.py", line 25, in <module>
print(texts[0])
IndexError: list index out of range

 該当のソースコード

import glob
import re

 livedoorトピックニュースの文章リスト

texts = []

 livedoorトピックニュースのファイル名一覧を取得する

paths = glob.glob('./text/topic-news/topic-news-*.txt')
for path in paths:
with open(path, 'r') as f:
original_text = f.read()

 先頭2行は不要なメタ情報のため、削除

text = re.sub(r'^.*\n.*\n', '', original_text) 

 "【関連"や"■関連"以降は削除

result = re.search(r'(【|■)関連', text)
if result is not None:
text = text[:result.start()]

texts.append(text)

 最初の1件を表示

print(texts[0])

 試したこと

text/topic-newsホルダの中のtopic-news-*.txtファイルの1ケを残して他は削除。
そして、実行したら、次のエラーメッセジが出た。
UnicodeDecodeError: 'cp932' codec can't decode byte 0x8b in position 103: illegal multibyte sequence

そこで、そのファイルを削除して、新たにメモ帳を開き、削除したファイルの中身をコピーし、貼り付け、ファイルの名前を同じにすれば、成功。(数ファイル作成)
メモリ容量が違って表示される(少し容量が少なくなっているのも(たとえば5KB→4KB)
不思議で理由がわかりません。

 補足情報(FW/ツールのバージョンなど)

IDEL(3.5 64bit)を使用して行っています。

  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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

+1

読込ファイルのエンコーディングがUTF-8なのでデフォルトエンコーディングがcp932なWindows環境ではUnicodeDecodeErrorが発生します。
with open(path, 'r') as f:with open(path, 'r',encoding='utf-8') as f:に修正すると読み込めるようになります。

不思議で理由がわかりません。

メモ帳の保存時にてcp932(=Shift-JIS)になったからです。
UTF-8cp932ではサイズも変わってきます。

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。

  • 2018/11/15 10:35

    追加ですが、./text/topic-news/topic-news-*.txtの中に、メモ帳で新規に
    コピーしたファイルを追加して、実行したところ、paths が空でした。
    ホルダー、ファイル名が違っているとしか考えられないのですが、何度眺めても、入れ替えを行っても、無駄でした。

    キャンセル

  • 2018/11/15 10:55

    追加訂正。今までご指導していただき、ありがとうございます。理由が判明いたしました。ホルダーをtext,text1,text2と作り、その中に、内容を変えて、プログラムを実行していたのですが、新たに、textxを作ったらうまくいきました。ホルダー名のtextの後の数字が全角にしてしまって、文字が小さくて、それに気づかなかったのが原因でした。初歩てきなミスで申し訳ありませんでした。

     なお、最初にご指摘いただいた、with open(path, 'r',encoding='utf-8') as f:が正解でした。重ねてお礼申し上げます。今後共によろしくご指導方お願いいたします。

    キャンセル

  • 2018/11/15 10:57

    なるほど。解決して何よりです。

    キャンセル

check解決した方法

0

理由が判明いたしました。ホルダーをtext,text1,text2と作り、その中に、内容を変えて、プログラムを実行していたのですが、新たに、textxを作ったらうまくいきました。ホルダー名のtextの後の数字が全角にしてしまって、文字が小さくて、それに気づかなかったのが原因でした。初歩てきなミスで申し訳ありませんでした。

なお、最初にご指摘いただいた、with open(path, 'r',encoding='utf-8') as f:が正解でした。

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 88.64%
  • 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