如何使用Unicode编码创建临时文件？

Question

当我使用open()打开文件时，我无法编写unicode字符串。 我了解到我需要使用codecs并使用Unicode编码打开文件（请参阅http://docs.python.org/howto/unicode.html#reading-and-writing-unicode-data ）。

现在我需要创建一些临时文件。 我试图使用tempfile库，但它没有任何编码选项。 当我尝试使用tempfile在临时文件中编写任何unicode字符串时，它会失败：

#!/usr/bin/python2.6
# -*- coding: utf-8 -*-
import tempfile
with tempfile.TemporaryFile() as fh:
  fh.write(u"Hello World: ä")
  fh.seek(0)
  for line in fh:
    print line

如何在Python中使用Unicode编码创建临时文件？

编辑：

1. 我正在使用Linux，我得到的错误消息是：

    Traceback (most recent call last): File "tmp_file.py", line 5, in <module> fh.write(u"Hello World: ä") UnicodeEncodeError: 'ascii' codec can't encode character u'\\xe4' in position 13: ordinal not in range(128) 

2. 这只是一个例子。 在实践中，我试图编写一些API返回的字符串。

Answer 1

其他人的答案都是正确的，我只是想澄清一下发生了什么：

文字'foo'和文字u'foo'之间的区别在于前者是一串字节而后者是Unicode对象。

首先，要了解Unicode是字符集。 UTF-8是编码。 Unicode对象是前者 - 它是一个Unicode字符串，不一定是UTF-8。 在您的情况下，字符串文字的编码将是UTF-8，因为您在文件的第一行中指定了它。

要从字节字符串中获取Unicode字符串，请调用.encode()方法：

>>>> u"ひらがな".encode("utf-8") == "ひらがな"
True

类似地，您可以在write调用中调用string.encode，并获得与删除u相同的效果。

如果您没有在顶部指定编码，例如，如果您正在从另一个文件中读取Unicode数据，则应在其到达Python字符串之前指定它所处的编码。 这将决定它将如何以字节（即str类型）表示。

然后，您获得的错误仅仅是因为tempfile模块需要str对象。 这并不意味着它不能处理unicode，只是它希望你传入一个字节字符串而不是Unicode对象 - 因为没有你指定编码，它就不知道如何将它写入临时文件。

Answer 2

tempfile.TemporaryFile 在Python 3中有编码选项 ：

#!/usr/bin/python3
# -*- coding: utf-8 -*-
import tempfile
with tempfile.TemporaryFile(mode='w+', encoding='utf-8') as fh:
  fh.write("Hello World: ä")
  fh.seek(0)
  for line in fh:
    print(line)

请注意，现在您需要指定mode ='w +'而不是默认的二进制模式。 另请注意，Python 3中的字符串文字是隐式Unicode，没有u修饰符。

如果您遇到Python 2.6，临时文件总是二进制文件，您需要在将Unicode字符串写入文件之前对其进行编码：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import tempfile
with tempfile.TemporaryFile() as fh:
  fh.write(u"Hello World: ä".encode('utf-8'))
  fh.seek(0)
  for line in fh:
    print line.decode('utf-8')

Unicode指定字符集，而不是编码，因此在任何一种情况下，您都需要一种方法来指定如何编码Unicode字符！

Answer 3

我已经找到了一个解决方案：创建不自动删除临时文件， tempfile ，关闭它，并使用再次打开它codecs ：

#!/usr/bin/python2.6
# -*- coding: utf-8 -*-

import codecs
import os
import tempfile

f = tempfile.NamedTemporaryFile(delete=False)
filename = f.name
f.close()

with codecs.open(filename, 'w+b', encoding='utf-8') as fh:
  fh.write(u"Hello World: ä")
  fh.seek(0)
  for line in fh:
    print line

os.unlink(filename)

Answer 4

由于我正在使用应该在Python 2和Python 3中运行的TemporaryFile对象的Python程序，我发现手动编码所有写为UTF-8的字符串并不像其他答案所建议的那样令人满意。

相反，我已经编写了以下小的polyfill（因为我找不到六个类似的东西）来将类似二进制文件的对象包装到类似UTF-8文件的对象中：

from __future__ import unicode_literals
import sys
import codecs
if sys.hexversion < 0x03000000:
    def uwriter(fp):
        return codecs.getwriter('utf-8')(fp)
else:
    def uwriter(fp):
        return fp

它以下列方式使用：

# encoding: utf-8
from tempfile import NamedTemporaryFile
with uwriter(NamedTemporaryFile(suffix='.txt', mode='w')) as fp:
    fp.write('Hællo wörld!\n')

Answer 5

您正在尝试将unicode对象(u"...")写入临时文件，您应该使用编码字符串("...") 。 您不必显式传递"encode="参数，因为您已经在第二行中声明了编码("# -*- coding: utf-8 -*-") 。 只需使用fh.write("ä")而不是fh.write(u"ä") ，你应该没问题。

Answer 6

放弃你使你的代码适合我：

fh.write("Hello World: ä")

我想这是因为它已经是unicode了。

Answer 7

将sys设置为UTF-8的默认编码将解决编码问题

import sys
reload(sys)
sys.setdefaultencoding('utf-8') #set to utf-8 by default this will solve the errors

import tempfile
with tempfile.TemporaryFile() as fh:
  fh.write(u"Hello World: ä")
  fh.seek(0)
  for line in fh:
    print line