我正试图从古腾堡项目的url访问一个文本文件。 因此,我从nltk的书中复制了相同的代码,结果不同
from urllib import request
url = "http://www.gutenberg.org/files/2554/2554-0.txt"
response = request.urlopen(url)
raw = response.read().decode('utf8')
raw[:75]
这是nltk的书。当它正常工作时,它应该打印出来
’The Project Gutenberg EBook of Crime and Punishment, by Fyodor Dostoevsky\r\n’
但是当我在我的电脑上尝试同样的方法时,结果是
'\ufeffThe Project Gutenberg EBook of Crime and Punishment, by Fyodor Dostoevsky\r'
我认为这是古腾堡计划中标题的问题。你能帮我处理这件事吗
URL响应文本似乎用带有BOM的UTF-8编码
尝试:
有关更多信息,请参见this answer
相关问题 更多 >
编程相关推荐