Python TypeError：导入文本文件时需要字符串或其他字符缓冲区对象

Question

我对 python 很陌生。对于这个任务，我正在尝试导入一个文本文件，将 和 添加到 id，并从文本中删除标点符号。我试过这个方法How to strip punctuation from a text file。

import string
def readFile():

translate_table = dict((ord(char), None) for char in string.punctuation)
with open('out_file.txt', 'w') as out_file:
    with open('moviereview.txt') as file:
        for line in file:
            line = ' '.join(line.split(' '))
            line = line.translate(translate_table)
            out_file.write("<s>" + line.rstrip('\n') + "</s>" + '\n')

return out_file

但是，我收到一条错误消息：

TypeError: 应为字符串或其他字符缓冲区对象

我的想法是，在我拆分并加入行后，我得到了一个字符串列表，所以我不能使用 str.translate() 来处理它。但似乎其他人都有相同的东西并且它有效， 前任。 https://appliedmachinelearning.blog/2017/04/30/language-identification-from-texts-using-bi-gram-model-pythonnltk/ 在第 13 行的示例代码中。

所以我真的很困惑，有人可以帮忙吗？谢谢！

Answer 1

在这里回答是因为评论不允许我正确格式化代码：

def r():
    translate_table = dict((ord(char), None) for char in string.punctuation)
    a = []
    with open('out.txt', 'w') as of:
        with open('test.txt' ,'r') as f:
            for l in f:
                l = l.translate(translate_table)
                a.append(l)
                of.write(l)
    return a

此代码对我来说运行良好，没有错误。您可以尝试运行它，并以您运行的代码的屏幕截图作为响应吗？

Answer 2

在 Python 2 上，只有 unicode 类型具有采用 dict 的 translate 方法。如果您打算使用任意文本，这里最简单的解决方案是在 Py2 上使用 Python 3 版本的open；它将无缝解码您的输入并生成 unicode 而不是 str。

从 Python 2.6+ 开始，用 Python 3 版本替换普通的内置 open 很简单。只需添加：

from io import open

到文件顶部的导入。也可以删除line = ' '.join(line.split(' '))；这绝对是一个无操作（它在单个空格上拆分为list，然后在单个空格上重新加入）。您可能还想添加：

from __future__ import unicode_literals

到the very top of your file（在您的代码所有之前）；这将使您对纯引号的所有使用自动unicode 文字，而不是str 文字（在实际二进制数据前加上b 使其成为Py2 上的str 文字，Py3 上的bytes 文字）。

如果你可以使用上述解决方案是最好的，因为它会使你的代码在 Python 2 和 Python 3 上都能正常工作。如果你不能这样做，那么你需要改变你的translate调用以使用 Python 2's str.translate 期望的 API，这意味着完全删除 translate_table 的定义（不需要）并且只是这样做：

line = line.translate(None, string.punctuation)

对于 Python 2 的 str.translate，参数是从 0 到 255 的所有值的一对一映射表，作为第一个参数（None，如果不需要映射），第二个参数是一个字符串要删除的字符数（string.punctuation 已经提供）。