使用 Python 写入文本文件时的编码问题

Question

我正在编写一个程序来“手动”将 csv 文件排列为正确的 JSON 语法，使用一个简短的 Python 脚本。从输入文件中，我使用 readlines() 将文件格式化为行列表，我对其进行操作并合并为单个字符串，然后将其输出到单独的 .txt 文件中。但是，输出包含乱码，而不是输入文件中存在的希伯来语字符，并且输出是水平双倍行距的（在每个字符之间添加一个空白字符）。据我所知，问题与编码有关，但我无法弄清楚是什么。当我检测到输入和输出文件的编码（使用.encoding 属性）时，它们都返回None，这意味着它们使用系统默认值。技术细节：Python 2.7、Windows 7。

虽然有很多关于这个主题的问题，但我没有找到我的问题的直接答案。 在这种情况下，检测系统默认值对我没有帮助，因为我需要程序是可移植的。

代码如下：

def txt_to_JSON(csv_list):
    ...some manipulation of the list...
    return JSON_string
file_name = "input_file.txt"
my_file = open(file_name)
# make each line of input file a value in a list
lines = my_file.readlines()
# break up each line into a list such that each 'column' is a value in that list 
for i in range(0,len(lines)):
    lines[i] = lines[i].split("\t")
J_string = txt_to_JSON(lines)
json_file = open("output_file.txt", "w+")
json_file.write(jstring)
json_file.close()

Answer 1

所有数据都需要经过编码才能存储在磁盘上。如果你不知道编码，你能做的最好的就是猜测。有一个图书馆：https://pypi.python.org/pypi/chardet

我强烈推荐 Ned Batchelder 的演讲 http://nedbatchelder.com/text/unipain.html 了解详情。

有一个关于在windows上使用“unicode”作为编码的解释：What's the difference between Unicode and UTF-8?

TLDR： Microsoft 使用 UTF16 作为 unicode 字符串的编码，但决定将其称为“unicode”，因为他们也在内部使用它。

即使 Python2 在字符串/unicode 转换方面有点宽松，您也应该习惯于始终对输入进行解码和对输出进行编码。

你的情况

filename = 'where your data lives'
with open(filename, 'rb') as f:
   encoded_data = f.read()
decoded_data = encoded_data.decode("UTF16")

# do stuff, resulting in result (all on unicode strings)
result = text_to_json(decoded_data)

encoded_result = result.encode("UTF-16")  #really, just using UTF8 for everything makes things a lot easier
outfile = 'where your data goes'
with open(outfile, 'wb') as f:
    f.write(encoded_result)

Answer 2

您需要告诉 Python 使用 Unicode 字符编码来解码希伯来字符。 以下是如何在 Python 中读取 Unicode 字符的链接：Character reading from file in Python