parse.unquote_plus类型错误

Question

我想格式的文件，以便它可以被插入到数据库中，该文件原始压缩和角落找寻1.3MB大。 每一行看起来是这样的：

  

398，％7EAnoniem + 001％7E，543,480,7525010,1775,0

这是如何的代码看起来像解析该文件：

   Village = gzip.open(Root+'\\data'+'\\' +str(Newest_Date[0])+'\\' +str(Newest_Date[1])+'\\' +str(Newest_Date[2])\
               +'\\'+str(Newest_Date[3])+' village.gz');
Village_Parsed = str
for line in Village:
    Village_Parsed = Village_Parsed + urllib.parse.unquote_plus(line);
print(Village.readline());

当我运行该程序我得到这个错误：

Village_Parsed = Village_Parsed + urllib.parse.unquote_plus(line);

     

文件 “C：\ Python31 \ lib中\的urllib \ parse.py”，线404，在unquote_plus      字符串=与string.replace（ '+'，'“）   类型错误：预期与缓冲接口的对象

任何想法，这里有什么问题？ 预先感谢任何帮助：）

Answer 1

import gzip, os, urllib.parse

archive_relpath = os.sep.join(map(str, Newest_Date[:4])) + ' village.gz'  
archive_path = os.path.join(Root, 'data', archive_relpath)

with gzip.open(archive_path) as Village:
    Village_Parsed = ''.join(urllib.parse.unquote_plus(line.decode('ascii'))
                             for line in Village)
    print(Village_Parsed)

输出：

398,~Anoniem 001~,543,480,7525010,1775,0

注意： RFC 3986 - 统一资源标识符（URI）：通用语法表示：

  

此规范并不强制   任何特定的字符编码   对于URI字符和之间的映射   用于存储八位字节或   发送这些字符。当一个URI   出现在一个协议元素，该   字符编码是由定义   协议;没有这样的   定义，URI被认为是在   相同的字符编码作为   周围的文本。

因此在'ascii'片段line.decode('ascii')应该由任何字符编码，你已经习惯你的文字编码来代替。

Answer 2

问题1是，urllib.unquote_plus不喜欢你已经供给它的line。该消息应该是“请提供STR对象” :-)我建议你解决问题2的下方，和插入：

print('line', type(line), repr(line))

立即您for语句之后，这样你可以看到你在line得到什么。

您会发现，它返回字节对象：

>>> [line for line in gzip.open('test.gz')]
[b'nudge nudge\n', b'wink wink\n']

使用 'R' 的一个模式具有很少的效果：

>>> [line for line in gzip.open('test.gz', 'r')]
[b'nudge nudge\n', b'wink wink\n']

我建议GZ写入文件时，而不是传递line的分析例程传递line.decode('UTF-8') ......或任何编码被使用。

问题2是在这条线：

Village_Parsed = str

str是一种类型。你需要一个空的海峡对象。为了得到这一点，你可以调用类型，即str()这在形式上是正确的，但不切实际/异常/ scoffable /怪异相比，使用字符串常量''时...所以做到这一点：

Village_Parsed = ''

您也有问题3：你最后的语句试图读取EOF后GZ文件

。