6

我正在尝试从 Youtube 获取一些用阿拉伯语编写的文本，将其写入文件并再次读取。

获取文本的源文件有：

#!/usr/bin/python
#encoding: utf-8

在文件的开头。

编写文本是这样完成的：

f.write(comment + '\n' )

文件内容是可读的阿拉伯语，所以我假设前面的步骤是正确的。

但是当尝试从文件中读取内容（并将它们例如写入另一个文件）时会出现问题，如下所示：

in = open('data_Pass1/EG', 'rb')
out.write(in.read())

这导致输出文件如下：

\xd8\xa7\xd9\x8a\xd9\x87

这是什么原因造成的？

4

2 回答 2

9

在 python 3.x 中


in = open('data_Pass1/EG', 'r', encoding='utf-8')
out = open('_file_name_', 'w', encoding='utf-8')

在 python 2.x 中。


import codecs
in = codecs.open('data_Pass1/EG', 'r', encoding='utf-8')
out = codecs.open('_file_name_', 'w', encoding='utf-8')
于 2013-06-13T17:29:16.917 回答
0

您正在以二进制 ('rb') 模式打开输入文件。打开文件以读取为文本 ('r')。我倾向于使用 Python 3，因此源文件默认为 UTF-8，所以我不知道为文件中的 .py 文件设置编码对文本 I/O 有什么影响，但如果有必要，您可能还想encoding='utf8'在对所有文件 I/O 的调用中使用open()，除非这在 2.7 中不起作用，在这种情况下，我不确定在 Python 2.7 中处理它的最佳方法是什么......

正如 Lee Daniel Crocker 所建议的那样，如果您将输入直接传递给输出，您最好只以二进制模式打开输入和输出文件（输入文件为“rb”，输出为“wb”）无需对其进行任何文本操作。（尽管按照 Andy 的评论，在 Python 2 中，最好以二进制模式打开文本文件并进行显式编码/解码。）

于 2013-06-13T17:28:03.537 回答