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

89.63%

Pythonのpickleでバイナリーデータにutf-8でデコードする方法

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 82

amaturePy

score 64

Python3.7、エディターはjupiter notebookで自然言語解析の前処理を行っています。
そこでpickleを使って正規表現処理をした後の文章データを保存したいのですが、
保存処理して出来たファイルの中身が以下のようになり、うまく保存されないです。
イメージ説明
実行した際にエラーは出ず、きちんと正規化された文章データの中身がエディタ内で表示されてます。
イメージ説明
問題は文字コードだと思うのですが、今回のようにバイナリーデータ(wb)で保存したい場合は,
openの引数にencoding=utf-8をいれる処理は出来なかったと認識しています。
その他にpickleでデータを保存する際に上記エラーを解決する方法に関してアドバイスを頂きたいです。

import re 
import pickle 

wagahai = re.sub("《[^》]+》", "", wagahai_original) 
wagahai = re.sub("[[^》]+]", "", wagahai) 
wagahai = re.sub("[|  「」\n]", "", wagahai)

seperator = "。"
wagahai_list = wagahai.split(seperator)
wagahai_list.pop()
wagahai_list = [x+seperator for x in wagahai_list]

print(wagahai_list)

with open("wagahai_list.pickle", mode="wb") as f:
    pickle.dump(wagahai_list, f)
  • 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

checkベストアンサー

0

再現しないので
保存した後にファイルを上書きしている
とか
保存しているファイルと確認しているファイルが、別のファイルであるか別の場所にある
とか
実はこのコードを実行していない
などの可能性を考えた方がいいかと思います。

% python
Python 3.6.9 (default, Oct 20 2019, 16:42:50)
(略)
>>> import re
>>> import pickle
>>>
>>> wagahai = re.sub("《[^》]+》", "", "あいうえお。かきくけこ。さしすせそ")
>>> wagahai = re.sub("[[^》]+]", "", wagahai)
>>> wagahai = re.sub("[|  「」\n]", "", wagahai)
>>>
>>> seperator = "。"
>>> wagahai_list = wagahai.split(seperator)
>>> wagahai_list.pop()
'さしすせそ'
>>> wagahai_list = [x+seperator for x in wagahai_list]
>>>
>>> print(wagahai_list)
['あいうえお。', 'かきくけこ。']
>>>
>>> with open("wagahai_list.pickle", mode="wb") as f:
...     pickle.dump(wagahai_list, f)
...
>>>
% od -tx1z -Ax wagahai_list.pickle
000000 80 03 5d 71 00 28 58 12 00 00 00 e3 81 82 e3 81  >..]q.(X....�..�.<
000010 84 e3 81 86 e3 81 88 e3 81 8a e3 80 82 71 01 58  >.�..�..�..�..q.X<
000020 12 00 00 00 e3 81 8b e3 81 8d e3 81 8f e3 81 91  >....�..�..�..�..<
000030 e3 81 93 e3 80 82 71 02 65 2e                    >�..�..q.e.<
00003a

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。

  • 2020/02/15 13:52

    失礼しました。
    再度エディタを起動し直して試した所
    pickle.loadで正しく読み込むことが出来ました。

    キャンセル

0

何をした結果として最初の画像のエラーになっているのかはわかりませんが、pickleはバイナリ形式ですので、たとえば普通のテキストエディタで開こうとして失敗するのは正常です。

読み込みにはpickle.loadを使ってください。 

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。

  • 2020/02/15 13:43

    ファイルの中身自体には何も問題はなくて、ただUTF-8テキストとして開けないのでテキストエディタが文句を出しただけ。。。という線で回答しています。

    キャンセル

  • 2020/02/15 13:51

    pickle.loadで最初表示が出来ず、そこで保存データに問題があるのかと浅い知識で調べてたのですが、
    今ほど、上のコードで問題なく実装出来ました。

    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 89.63%
  • 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