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

90.52%

  • Python 2.7

    1259questions

    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。

  • Unicode

    65questions

    Unicodeはエンコーディングの標準規格です。1つの文字コード体系で多国語の表現を可能にすることを目指して作られています。

Python2.7での日本語テキスト処理

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 472

TakumiYamada

score 3

Python2.7で以下のプログラムを使って日本語テキストを分割し、ファイル出力しようと思ったのですが、

# -*- coding: utf-8 -*-
import os
import sys
import codecs
sys.stdout=codecs.getwriter('utf-8')(sys.stdout)

files=os.listdir('./')
files.pop(0)
files.pop(0)

i=0
for file in files:
    if i%2==1:
        filename=file.replace('.txt','')
        f=codecs.open(file,'r','sjis')
        anum=0

        source=[]
        for line in f:
            line=line.encode('utf-8')
            source.append(line.decode('utf-8'))
        f.close()

        name=str(anum)+'.txt'
        f=open(name,'w')
        for line in source:
            if u'\ID\' in line:
                f.close()
                anum+=1
                name=str(filename)+'/'+str(anum)+'.txt'
                f=codecs.open(name,'w','sjis')
            f.write(line.decode('utf-8'))
        f.close()
    i+=1


何度かはうまく行ったのですが、最近は以下のようなエラーが出てうまく動きません。

Traceback (most recent call last):
  File "bunkatsu.txt", line 19, in <module>
    for line in f:
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/codecs.py", line 687, in next
    return self.reader.next()
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/codecs.py", line 618, in next
    line = self.readline()
UnicodeDecodeError: 'shift_jis' codec can't decode bytes in position 32-33: illegal multibyte sequence


色々なサイトを見て自分でも調べましたが、どうしても解決できないため質問させていただきました。
どこに問題があって、どうすれば解決できるのか、ご教授いただければ幸いです。

  • 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 1

0

f=codecs.open(file,'r','sjis')

f=codecs.open(file,'r','sjis', errors='replace')

とすればとりあえずエラーは出なくなります。ただし上手くデコードできなかった文字列が?になるので、それが困るのであればどの文字が?になるか確認してなぜうまくデコードできないのかを探ることになります。

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。

  • 2017/10/25 12:22

    度々すみません、ご回答いただいた部分は修正したのですが、今度は
    File "bunkatsu.txt", line 32, in <module>
    f.write(line.decode('utf-8'))
    File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/encodings/utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
    UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-11: ordinal not in range(128)
    というエラーが出て、やはりうまく行きません・・・

    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 90.52%
  • 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

    1259questions

    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。

  • Unicode

    65questions

    Unicodeはエンコーディングの標準規格です。1つの文字コード体系で多国語の表現を可能にすることを目指して作られています。