如何用Python 3从大文件中提取仅非ASCII外文内容？

1. 原代码的核心问题 #

• line.isascii()不会抛出异常，它仅返回布尔值（True/False），所以你的try-except块完全无法实现预期逻辑。
• 读取文件时未指定编码，导致包含非ASCII字符的行无法被正确解码，这是你遇到报错的直接原因。
• 当前逻辑会写入整行内容，而非仅保留非ASCII字符。

2. 修正后的代码 #

# 使用with语句自动管理文件生命周期，指定UTF-8编码确保兼容多语言字符
with open("test_doc.txt", 'r', encoding='utf-8') as sourceDoc, open("test_doc_dest.txt", 'w', encoding='utf-8') as destDoc:
    for line in sourceDoc:
        # 遍历每行字符，仅保留非ASCII的字符
        filtered_content = ''.join([char for char in line if not char.isascii()])
        destDoc.write(filtered_content)

代码说明 #

• encoding='utf-8'：强制使用UTF-8编码读取和写入文件，避免非ASCII字符的解码/编码错误。
• [char for char in line if not char.isascii()]：通过列表推导式筛选出每行中所有非ASCII的字符（即你需要保留的外文内容）。
• ''.join(...)：将筛选后的字符列表拼接成完整字符串，写入目标文件。
• with语句：无需手动调用close()，代码块结束后会自动关闭文件，避免资源泄漏。

内容的提问来源于stack exchange，提问作者user23311916