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 600
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
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。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
+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-8とcp932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。
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 88.33%
- 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
2018/11/13 10:18
File "C:/Users/momo/Desktop/ニュース感情極性.py", line 25, in <
print(texts[0])
IndexError: list index out of range
インターネットでIndexError: list index out of range を検索し調べましたが、わかりません。news-*.txtの中身が空になるようなこと確認したかぎりないと思われます。
2018/11/13 10:24 編集
いいかえると「'./text/topic-news/topic-news-*.txt'」
の「./」の意味はご存知でしょうか？
またエラーの意味については
「IndexError: list index out of range とは」の検索結果の３番目
http://www.isl.ne.jp/pcsp/python/python11.html
など理解の助けにならないでしょうか？
2018/11/14 20:48
paths = glob.glob('./text/topic-news/topic-news-*.txt')
の次に、printa('paths= ',paths)のデバック文を入れてみたら、ご指摘のように、paths= [] となり、空なのが原因だとわかりました。
しかし、topic-news-*.txtの中身が、メモ帳で書き直した場合のみ、pathsに読込まれるのかは今だ不明です。
2018/11/14 21:23
「paths = glob.glob('./text/topic-news/topic-news-*.txt')」の結果が空になるということですね？
2018/11/15 10:03
で行いましたが駄目でした。（あがきの行動ですが）
2018/11/15 10:06
textフォルダとhoge.pyをデスクトップなど同じ場所に配置し、コマンドプロンプトから「python hoge.py」などと実行してみてください。
2018/11/15 10:35
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。
2018/11/15 10:55
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。
2018/11/15 10:57