用Python写入UTF-8文件

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？以及如何插入宝？

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

我相信问题在于这codecs.BOM_UTF8是字节字符串，而不是Unicode字符串。我怀疑文件处理程序试图基于“我是将Unicode编写为UTF-8编码的文本，但是您给了我一个字节字符串！”来猜测您的意思是什么！

尝试直接为字节顺序标记（即Unicode U + FEFF）编写Unicode字符串，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-字节为EF BB BF的文件。）

编辑：S. Lott 建议使用“ utf-8-sig”作为编码要比自己直接编写BOM更好，但是在此我将保留此答案，因为它可以解释以前的问题。

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 ♭")

生成的文件为带有预期BOM的UTF-8。

@ S-Lott提供了正确的过程，但是在解释Unicode问题时，Python解释器可以提供更多的见解。

乔恩·斯凯特（Jon Skeet）对codecs模块是正确的（非常规）-它包含字节字符串：

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

挑选另一个尼特，它BOM具有标准的Unicode名称，可以输入以下形式：

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

也可以通过unicodedata以下方式访问：

>>> import unicodedata
>>> unicodedata.lookup('ZERO WIDTH NO-BREAK SPACE')
u'\ufeff'
>>> 

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()