Jack-Cherish/Machine-Learning

'utf-8' codec can't decode byte 0x92 in position 880: invalid start

buptygz opened this issue · 6 comments

buptygz commented

博主你好，在clone你的关于贝叶斯进行垃圾邮件分类的代码时，运行发现python3对文件的解码方式与python2有所不同，会爆出题目所示的错误。我在网上搜了，刚入门python不久，没有找到正确的解决方法。希望楼主赐教？具体报错地方在bayes-modify.py文件的191和195行。

Jack-Cherish commented

这个我也不知道，没有用过python2。你找下python2的机器学习实战代码，这个很多的。

buptygz commented

好吧，我的意思是你的代码在python3下会报错，可能python2不会报错

Jack-Cherish commented

@buptygz 呃....我测试了下，运行没有问题啊？你重新复制粘贴下数据看一看。

CCChenhao997 commented

博主你好，在clone你的关于贝叶斯进行垃圾邮件分类的代码时，运行发现python3对文件的解码方式与python2有所不同，会爆出题目所示的错误。我在网上搜了，刚入门python不久，没有找到正确的解决方法。希望楼主赐教？具体报错地方在bayes-modify.py文件的191和195行。

请问你的问题解决了吗，我今天也是这个报错了UnicodeDecodeError: 'utf-8' codec can't decode byte 0x92 in position 880: invalid start byte打开文件的那一行wordList = textParse(open('email/ham/%d.txt' % i, 'r').read()) # 读取每个非垃圾邮件，并字符串转换成字符串列表

yandong2023 commented

我之前遇到过类似的问题 你改成这样试试textParse(open('email/ham/%d.txt' % i, 'r',encoding='utf-8').read())

CCChenhao997 commented

我之前遇到过类似的问题 你改成这样试试textParse(open('email/ham/%d.txt' % i, 'r',encoding='utf-8').read())

thank you，刚刚已解决了，改成了textParse(open('email/spam/%d.txt' % i, 'r', encoding='ISO-8859-1').read()) ，且把listOfTokens = re.split(r'\W*', bigString)改成了listOfTokens = re.split(r'\W+', bigString)就成功输出了。