Python : RTF 파일을 유니 코드로 변환 하시겠습니까?

Question

RTF 파일의 줄을 일련의 유니 코드 문자열로 변환하려고 시도 중입니다. 줄에 정규식 일치를 수행하려고합니다. (나는 그들을 다른 파일로 출력 할 수 있도록 유니 코드로 만들어야합니다.)

그러나 정규 표현식은 작동하지 않습니다. 유니 코드로 올바르게 변환되지 않았기 때문에 생각합니다. 이 모든 라인을 인쇄, 순간

usefulLines = [] 
textData = {} 

# the regex pattern for an entry in the db (e.g. SUF 76,22): it's sufficient for us to match on three upper-case characters plus a space 
entryPattern = '^([A-Z]{3})[\s].*$' 

f = open('textbase_1a.rtf', 'Ur') 
fileLines = f.readlines() 

# get the matching line numbers, and store in usefulLines 
for i, line in enumerate(fileLines): 
    #line = line.decode('utf-16be') # this causes an error: I don't really know what file encoding the RTF file is in... 
    line = line.decode('mac_roman') 
    print line 
    if re.match(entryPattern, line): 
     # now retrieve the following lines, all the way up until we get a blank line 
     print "match: " + str(i) 
     usefulLines.append(i) 

하지만 경기에 아무것도 인쇄되지 않습니다 - 그것은 일치해야하지만 :

여기 내 코드입니다. 또한, 어떤 이유로 라인 시작시 '/ par'로 인쇄됩니다. 출력 파일에 인쇄 할 때 매우 이상하게 보입니다.

문제의 일부는 인코딩을 지정해야할지 모르겠다는 것입니다. 어떻게 알 수 있습니까?

내가 entryPattern = '^.*$'을 사용하면 일치 항목을 얻습니다.

아무도 도와 줄 수 있습니까?

Answer 1

RTF 파일을 디코딩하지 않았습니다. RTF는 이 아니며은 단순한 텍스트 파일입니다. "AOU"를 포함하는 파일은, 예를 들어이 포함

{\ rtf1 \ ANSI \ ansicpg1252 \ deff0 \ deflang1031 {\ fonttbl {\ F0 \ fswiss \ fcharset0 굴림;}}

{* \ 발전기 Msftedit 5.41.15.1507;} \ viewkind4 \ UC1 \ PARD \ F0 \ FS20 \ 'E4 \'F6 \ 'FC의 \ 파

} 텍스트 편집기에서 열립니다

. 따라서 문자 "äöü"는 파일의 시작 부분에 선언 된대로 Windows-1252로 인코딩됩니다 (äöü = 0xE4 0xF6 0xFC).

RTF를 읽으려면 먼저 RTF를 텍스트 (이미 asked here)로 변환하는 것이 필요합니다.