从Python中的文本文件中删除二进制数据

我有一个包含一些二进制数据的文本文件。当我使用 Python 3 在文本模式下读取文件时，我收到一个 UniCodeDecodeError （编解码器无法解码字节...），其中包含以下代码行：

fo = open('myfile.txt, 'r')
for line in inFile:

如何从我的文件中删除二进制数据。我有一个在每个二进制数据之前打印的标题（在本例中它显示为数据块）。例如，我的文件看起来像这样，我想删除 çºí?¼Èדñdí”：

我的文件.txt：

ABCDEFGH
123456
Data Block 11
çºí?¼Èדñdí
XYZ123

我想要的结果是 myfile.txt 如下所示：

ABCDEFGH
123456
Data Block 11
XYZ123

这很困难，因为“二进制”斑点may包含有效的字符或字符序列。如果您使用的文件包含使用多字节编码的“文本”，请忘记它。

If you know文件中的“文本”仅包含单字节字符，一种方法是以字节形式读取文件，然后使用类似

encode('ascii', error='ignore')

这有效地从输出中去除非 ASCII 字符，但如果您要在文件上执行此操作，您将得到：

ABCDEFGH
123456
Data Block
?d
XYZ123
  

请注意倒数第二行——在 blob 中找到了有效的 ascii 字符并被视为“文本”。

您可以从这样的解决方案开始，然后对其进行微调（如果可能）以满足您的需求。也许这些斑点本身就出现在线上，所以如果一条线有any非 ASCII 字符，完全丢弃整行。也许你可以看看这些斑点并尝试理解它的一些结构。也许您只是满足于其中有随机的部分字符行，并稍后以某种方式处理它们。那时它是特定于应用程序的。

这是我用来从示例输入生成输出的代码：

def strip_nonascii(b):
    return b.decode('ascii', errors='ignore')

with open('garbled.txt', 'rb') as f:
    for line in f:
        print(strip_nonascii(line), end='')