在python奇怪的错误中读取文本

Question

我正在打开一个如下所示的文件：http://pastebin.com/ucH5ayHa

并尝试使用简单的 python 读取它：

f1 = open("goldstandard-answer-utf-8.txt", "r")

print f1.readline();

for line in f1:
    print line

f1.close()

两个打印行都不打印整个文档。 readline 和 for 循环都分别打印：

</file>

这很奇怪。显然它与文档中的标签有关，但我尝试使用 lmxl etree 或美丽的汤来解析它都得到了类似的结果。如果有意义的话，有什么方法可以强制 python 打印行并忽略标签？

编辑：（由 cmets 建议包含）预期的输出将与 pastebin 条目完全相同： 2028.htm.txt Mäkitalo、Östen Mäkitalo、Östen Mäkitalo、Jessica Lindbäck、Östen Mäkitalo、Östen Mäkitalo、Robert Brännström 等等……

Answer 1

如果文件确实是 utf-8 编码的，顾名思义，请尝试这样打开它：

import codecs

f = codecs.open('goldstandard-answer-utf-8.txt', 'r', encoding='utf-8')