撇号转换为\x92

Question

mycorpus.txt

Human where's machine interface for lab abc computer applications   
A where's survey of user opinion of computer system response time

stopwords.txt

let's
ain't
there's

以下代码

corpus = set()
for line in open("path\\to\\mycorpus.txt"):
    corpus.update(set(line.lower().split()))
print corpus

stoplist = set()
for line in open("C:\\Users\\Pankaj\\Desktop\\BTP\\stopwords_new.txt"):
    stoplist.add(line.lower().strip())
print stoplist

给出以下输出

set(['a', "where's", 'abc', 'for', 'of', 'system', 'lab', 'machine', 'applications', 'computer', 'survey', 'user', 'human', 'time', 'interface', 'opinion', 'response'])
set(['let\x92s', 'ain\x92t', 'there\x92s'])

为什么在第二组中撇号变成了\x92？？

Answer 1

窗口1252编码中的代码点92（十六进制）是Unicode代码点2019（十六进制），它是“右单引号”。这看起来非常像一个撇号，很可能是您在stopwords.txt中的实际字符，我从python在中的解释方式猜到，它是在windows-1252中编码的，或者是共享ASCII和’代码点值的编码。

'与'