3

Estoy teniendo un problema al tratar de abrir el archivo rockyou.txt, los que conocen el archivo saben que tiene caracteres especiales, estoy intentando encontrar un encoding que no altere las palabras, ya probé con utf-8, ISO-8859-1, ASCII, pero todos terminan modificando el contenido, alguien sabe que encoding podría probar?, este es el código:

with open(wordlist, 'r', encoding="utf-8", errors="ignore") as f:
        lines = f.readlines()
        lines_plane = []
        for i in lines:
                lines_plane.append(i.strip())

No es el código, me funciona muy bien, pero como les digo, modifica la palabra... palabras como estas son las que terminan modificadas: �xCvBnM, ie168, abygurl69, a6_123, *7¡Vamos!. Especialmente la ultima "*7¡Vamos!". Para que se den una idea de como es que lo modifica, les comparto el output:

['\x1axCvBnM,','\x08ie168','\x08abygurl69','\x08a6_123','\x04*\x037¡Vamos!\x03']

Para ser mas especifico quiero saber como mantener estos caracteres de manera normal. Un saludo.

9
  • podrías poner el texto original?
    – Christian
    Commented el 12 jun. 2021 a las 17:34
  • te refieres a abrir el archivo sin ningún encoding?
    – user233442
    Commented el 12 jun. 2021 a las 17:35
  • osea el texto norma, habre el archivo con block de notas y pon ese texto
    – Christian
    Commented el 12 jun. 2021 a las 17:36
  • te puede servir esta pregunta
    – Christian
    Commented el 12 jun. 2021 a las 17:36
  • Entiendo, ahora lo hare y les comparto...
    – user233442
    Commented el 12 jun. 2021 a las 17:37

2 respuestas 2

3

Ya lo resolví gente, el problema era un modulo que estaba usando pwn, yo lo usaba para simular barras de progreso y por algún motivo esto afectaba al código, el solo hecho de importarlo ya generaba el error de codificación, investigando mas sobre el funcionamiento de este modulo encontré que trabaja con bytes... por lo que supuse que seguro hubo algún tipo de conflicto al intentar decodificarlo a utf-8, si hay alguien que sabe porque sucede esto mas a profundidad que por favor me lo haga saber, saludos.

2
  • Que bueno, aunque hubiera estado mejor que supieras el por qué pasa eso
    – Christian
    Commented el 12 jun. 2021 a las 21:24
  • 1
    Claro, ahora estoy leyendo un poco para saber el porque, en cuanto lo sepa actualizare mi respuesta !!
    – user233442
    Commented el 12 jun. 2021 a las 21:25
1

Voy a dar una explicación según lo que sé.

Como bien se sabe el parámetro encoding de la función open() sirve para especificar la codificación del archivo, normalmente los archivos están codificados en UTF-8, pero esto varia según el OS (operative system), pues cada Sistema Operativo codifica los archivos de una forma u otra. La función open() utiliza por defecto la codificación de tu Sistema Operativo, esto es lo que retorna locale.getpreferredencoding(do_setlocale=True) y lo puedes ver

import locale
encoding = locale.getpreferredencoding(do_setlocale=True)

print(encoding)
#salida-> UTF-8

En mi caso es UTF-8, pero como dije esto puede variar, al no especificar una codificación Python utilizo la codificación de tu SO que pudo coincidir con el del archivo. Por otro lado como dices que importabas un modulo que trabajaba con bytes puede ser que el modulo haya interferido en la lectura del archivo, pues una solución era leer el archivo en modo binario with open(wordlist, 'rb'):..., pues al leer en modo binario pues esto retornan su contenido como objetos de bytes sin ninguna descodificación.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.