如何使用utf-8机器将utf-8字符串写入utf-8文件

Question

这不是第一次，这让我感到困惑：

使用codecs.open打开文件：

cfh = codecs.open('/tmp/ddfh', 'wb', 'utf-8') 

尝试写字符串sa：

In [109]: sa
Out[109]: '\xe6\x96\xb0 \xe9\x97\xbb\xe3\x80\x80\xe7\xbd\x91 \xe9\xa1\xb5\xe3\x80\x80\xe8\xb4\xb4 \xe5\x90\xa7\xe3\x80\x80\xe7\x9f\xa5 \xe9\x81\x93\xe3\x80\x80\xe9\x9f\xb3 \xe4\xb9\x90\xe3\x80\x80\xe5\x9b\xbe \xe7\x89\x87\xe3\x80\x80\xe8\xa7\x86 \xe9\xa2\x91\xe3\x80\x80\xe5\x9c\xb0 \xe5\x9b\xbe'

In [110]: print sa
新 闻　网 页　贴 吧　知 道　音 乐　图 片　视 频　地 图

In [111]: sa.encode()
---------------------------------------------------------------------------
UnicodeDecodeError                        Traceback (most recent call last)
/home/za/tmp/<ipython-input-111-dea686030e89> in <module>()
----> 1 sa.encode()

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 0: ordinal not in range(128)

In [112]: sa.decode()
---------------------------------------------------------------------------
UnicodeDecodeError                        Traceback (most recent call last)
/home/za/tmp/<ipython-input-112-a79b22010b0e> in <module>()
----> 1 sa.decode()

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 0: ordinal not in range(128)

In [113]: sa.encode('utf-8')
---------------------------------------------------------------------------
UnicodeDecodeError                        Traceback (most recent call last)
/home/za/tmp/<ipython-input-113-ed97f8f61eb5> in <module>()
----> 1 sa.encode('utf-8')

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe6 in position 0: ordinal not in range(128)

In [114]: sa.decode('utf-8')
Out[114]: u'\u65b0 \u95fb\u3000\u7f51 \u9875\u3000\u8d34 \u5427\u3000\u77e5 \u9053\u3000\u97f3 \u4e50\u3000\u56fe \u7247\u3000\u89c6 \u9891\u3000\u5730 \u56fe'

In [115]: cfh.write(sa.decode('utf-8'))

它可以在上面运行，但是与另一台计算机，同一台Ubuntu计算机，同一台$ LANG env 失败 。 我一直在打“'ascii'编解码器无法....”

谁能指出我的好医生？ 关于模块codecs的官方文档对我不好。

===

问题来自代码：

# encoding=utf-8
# ......

def write_video_info_file(folder, filename, infos):
    # infos : a list of list, lines of text grouped by topic, results of language translations.

    absfn = os.path.join(folder, filename)
    with codecs.open(absfn, mode='wb', encoding='utf-8') as fh:
        for vinfo in infos:
            for v in vinfo:
                fh.write(v)
            fh.write("\n\n" + vi_delimit + "\n\n")

这在我的本地计算机上经过测试，可以正常运行，并部署到远程计算机上，然后得到了很多： UnicodeDecodeError: 'ascii' codec can't 。

之后，几乎所有mode=打开，没有尝试编解码器。

$ echo $LANG  #  en_US.UTF-8

Python 2.7.3

Ubuntu 12.04

LANG = zh_CN.UTF-8

语言=

LC_ALL =

===

我得到了解决方案，使用它来确保所有字符串都是utf-8：

if isinstance(mystring, str):
    mystring = mystring.decode('utf-8')

Answer 1

您的数据已被编码为UTF-8。 只需打开没有 codecs.open()的文件并直接写入数据即可：

with open('/tmp/ddfh', 'wb') as output:
    output.write(sa)

Unicode编码/解码错误通常是由于混合字节字符串和unicode字符串而发生的； 连接，比较，需要使用str.join()时使用unicode.join()等。

您可能想要阅读Python和Unicode：

• 每个软件开发人员绝对，肯定必须绝对了解Unicode和字符集（无借口！）作者：Joel Spolsky

• Python Unicode HOWTO

• Ned Batchelder的实用Unicode