当我在Python中使用open（filename）或在C中使用fopen（filename）时，保存文件的编码是什么？

Question

运行时环境：Python 2.7，Windows 7

注意：我在谈论由PYTHON源代码生成的文件的编码（不是在谈论PYTHON源文件的编码），在PYTHON源文件DID顶部声明的编码与PYTHON源文件的编码一致得救了。

当字符串中没有非ascii字符（ content = 'abc' ）时，文件（ file.txt ，而不是PYTHON源文件）在fp.close()之后以ANSI编码保存，PYTHON文件（和它）以ANSI编码格式保存）内容如下：

## Author: melo
## Email:prevision@imsrch.tk
## Date: 2012/10/12
import os

def write_file(filepath, mode, content):
    try:
        fp = open(filepath, mode)
        try:
            print 'file encoding:', fp.encoding
            print 'file mode:', fp.mode
            print 'file closed?', fp.closed
            fp.write(content)
        finally:
            fp.close()
            print 'file closed?', fp.closed
    except IOError, e:
        print e


if __name__ == '__main__':
    filepath = os.path.join(os.getcwd(), 'file.txt')
    content = 'abc'
    write_file(filepath, 'wb', content)

但是当字符串中有一些非ascii字符（ content = 'abc莹' ）时，文件（ file.txt ）将在fp.close()之后以UTF-8编码保存，尽管我在使用＃encoding #encoding=gbk填充PYTHON源文件（不是file.txt ）的顶部。 此时，PYTHON源文件的内容如下：

# -*- encoding: gbk -*-
## Author: melo
## Email:prevision@imsrch.tk
## Date: 2012/10/12
import os

def write_file(filepath, mode, content):
    try:
        fp = open(filepath, mode)
        try:
            print 'file encoding:', fp.encoding
            print 'file mode:', fp.mode
            print 'file closed?', fp.closed
            fp.write(content)
        finally:
            fp.close()
            print 'file closed?', fp.closed
    except IOError, e:
        print e

if __name__ == '__main__':
    filepath = os.path.join(os.getcwd(), 'file.txt')
    content = 'abc莹'
    write_file(filepath, 'wb', content)

有没有证据表明它的行为如此？

Answer 1

文件以您保存的编码保存。源文件以您保存的编码保存。它们不必相同，只需声明它们即可。

根据您的其他问题 ，我假设您正在使用Notepad ++，当您打开file.txt您会发现Notepad ++认为该文件是以UTF-8 without BOM编码UTF-8 without BOM 。 这是Notepad ++的错误猜测 。 选择中文GB2312字符集，文件将正确显示。

除非给出字节顺序标记（BOM）或某些其他元数据的提示或用户告知，程序不知道文件的编码是什么。

一个正确的Python程序会做这些事情：

1. 如果源文件中使用了非ASCII字符，则声明源文件的编码。
2. 对所有文本使用Unicode字符串。
3. 输出到二进制流（如文件）时，对Unicode字符串进行编码。
4. 从二进制流中读取时，将传入的文本数据解码为Unicode。
5. （可选）使用带字节顺序标记的编码，以便编辑知道文件编码。

例：

# encoding: utf-8
import codecs
with codecs.open('file.txt','wb',encoding='utf-8-sig') as f:
    f.write(u'abc莹')

您现在应该在Notepad ++中看到file.txt被检测为编码为'UTF-8'（带有BOM）并正确显示文件。

请注意，如果将编码声明为gbk ，则可以将文件保存为“ANSI”（系统上的GBK），并且由于使用了Unicode字符串，因此它仍然可以正常工作。

实际上，您的系统可能是代码页936（ cp936 ）而不是GBK。 它们并不完全相同。 最好使用UTF-8或UTF-16等Unicode编码，它可以准确地表示所有Unicode字符。

Answer 2

# -*- encoding: gbk -*-

在PYTHON文件的顶部，指示PYTHON文件的编码。 使用编解码器使用编解码器模块。

你需要这个： codecs.open()