Python逐行读取TXT文件时部分行内容反向的技术咨询

问题描述 #

尝试用以下Python代码读取路径C:/Users/Lenovo/Documents/LinuxLab/file.txt的书籍元数据：

f = open("C:/Users/Lenovo/Documents/LinuxLab/file.txt",mode = 'r',encoding='utf-8')

for line in f:
    print(line)

待读取的TXT文件内容：

Title : Linux System Programming Talking Directly to the Kernel and C Library
Publisher ‏: ‎O'Reilly Media
Edition : 2
Year : 2013 
Month : 1
Language ‏ : ‎ English
Paperback ‏ : ‎ 456 pages
ISBN-10 ‏ : ‎ 1449339530
ISBN-13 ‏ : ‎ 978-1449339531

执行后部分行内容反向，输出如下：

Title : Linux System Programming Talking Directly to the Kernel and C Library
O'Reilly Media : Publisher ‏ ‎
Edition : 2
Year : 2013
Month : 1
‏English : Language
456 pages : Paperback ‏
1449339530 : ISBN-10 ‏
‏ 978-1449339531: ISBN-13

原因 #

问题出在TXT文件中隐藏的双向文本控制字符（具体是U+200F从右到左标记，即你看到的‏）。这类字符会强制改变文本的显示方向，当它们出现在行内时，会让后续内容从右到左渲染，导致键值对顺序被反转。

解决方法 #

读取文件时过滤掉所有双向控制字符即可，以下是两种可行方案：

方案1：用unicodedata过滤所有控制类字符 #

import unicodedata

def clean_control_chars(text):
    # 移除所有Unicode控制类字符
    return ''.join(c for c in text if unicodedata.category(c)[0] != 'C')

with open("C:/Users/Lenovo/Documents/LinuxLab/file.txt", mode='r', encoding='utf-8') as f:
    for line in f:
        cleaned_line = clean_control_chars(line).strip()
        print(cleaned_line)

方案2：直接替换特定双向控制符 #

如果确认只有U+200F（从右到左标记）和U+200E（从左到右标记）导致问题，可直接替换：

with open("C:/Users/Lenovo/Documents/LinuxLab/file.txt", mode='r', encoding='utf-8') as f:
    for line in f:
        cleaned_line = line.replace('\u200F', '').replace('\u200E', '').strip()
        print(cleaned_line)

两种方法都能清理掉导致方向反转的隐藏字符，让输出恢复正常的键值顺序。

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