228

我真的很困惑codecs.open function。当我做:

file = codecs.open("temp", "w", "utf-8")
file.write(codecs.BOM_UTF8)
file.close()

它给了我错误

UnicodeDecodeError:“ascii”编解码器无法解码位置 0 的字节 0xef:序数不在范围内(128)

如果我做:

file = open("temp", "w")
file.write(codecs.BOM_UTF8)
file.close()

它工作正常。

问题是为什么第一种方法会失败?以及如何插入 bom?

如果第二种方法是正确的方法,那么使用的意义codecs.open(filename, "w", "utf-8")何在?

4

6 回答 6

297

我相信问题在于这codecs.BOM_UTF8是一个字节字符串,而不是 Unicode 字符串。我怀疑文件处理程序试图根据“我打算将 Unicode 编写为 UTF-8 编码文本,但你给了我一个字节字符串!”来猜测你的真正意思。

尝试直接为字节顺序标记编写 Unicode 字符串(即 Unicode U+FEFF),以便文件将其编码为 UTF-8:

import codecs

file = codecs.open("lol", "w", "utf-8")
file.write(u'\ufeff')
file.close()

(这似乎给出了正确的答案 - 一个字节为 EF BB BF 的文件。)

编辑:S. Lott建议使用“utf-8-sig”作为编码比自己明确编写 BOM 更好,但我将把这个答案留在这里,因为它解释了之前出了什么问题。

于 2009-06-01T09:46:58.933 回答
194

阅读以下内容: http: //docs.python.org/library/codecs.html#module-encodings.utf_8_sig

做这个

with codecs.open("test_output", "w", "utf-8-sig") as temp:
    temp.write("hi mom\n")
    temp.write(u"This has ♭")

生成的文件是 UTF-8 和预期的 BOM。

于 2009-06-01T09:58:14.107 回答
19

使用这个非常简单。不需要任何库。

with open('text.txt', 'w', encoding='utf-8') as f:
    f.write(text)
于 2021-08-12T11:17:48.227 回答
12

@S-Lott 提供了正确的程序,但扩展了Unicode问题,Python解释器可以提供更多见解。

Jon Skeet 关于codecs模块是正确的(不寻常的) - 它包含字节字符串:

>>> import codecs
>>> codecs.BOM
'\xff\xfe'
>>> codecs.BOM_UTF8
'\xef\xbb\xbf'
>>> 

选择另一个 nit,它BOM有一个标准的Unicode名称,它可以输入为:

>>> bom= u"\N{ZERO WIDTH NO-BREAK SPACE}"
>>> bom
u'\ufeff'

它也可以通过以下方式访问unicodedata

>>> import unicodedata
>>> unicodedata.lookup('ZERO WIDTH NO-BREAK SPACE')
u'\ufeff'
>>> 
于 2009-06-01T10:12:39.257 回答
10

我使用 file *nix 命令将未知字符集文件转换为 utf-8 文件

# -*- encoding: utf-8 -*-

# converting a unknown formatting file in utf-8

import codecs
import commands

file_location = "jumper.sub"
file_encoding = commands.getoutput('file -b --mime-encoding %s' % file_location)

file_stream = codecs.open(file_location, 'r', file_encoding)
file_output = codecs.open(file_location+"b", 'w', 'utf-8')

for l in file_stream:
    file_output.write(l)

file_stream.close()
file_output.close()
于 2012-02-08T20:35:11.170 回答
-1

如果您使用的是 pandas.to_excel() 等 Pandas I/O 方法,请添加一个编码参数,例如

pd.to_excel("somefile.xlsx", sheet_name="export", encoding='utf-8')

这适用于我相信的大多数国际角色。

于 2021-12-08T12:04:46.310 回答