如何对 txt 文件中的文本进行 UTF-8 编码和替换？答案

【问题标题】：How to UTF-8 encode and replace text inside txt file?如何对 txt 文件中的文本进行 UTF-8 编码和替换？
【发布时间】：2014-08-24 14:24:31
【问题描述】：

我正在尝试编写一个应用程序，用于打开选定（子）文件夹中的 txt 文件，并将所有字母“ž”替换为字母“š”，并将其保存为 UTF-8 格式。

这是我到目前为止所做的（版本 2 - 见编辑）：

import os
import codecs

startIn = os.getcwd()

print()
print("Pregledujem: " + startIn + "\\")
print("-------------------------")

for dirName, subdirList, fileList in os.walk(startIn):
  print()
  print("Trenutna mapa: " + dirName + "\\")
  for fname in fileList:
    if fname.endswith(".srt"):
      fullpath = dirName + "\\" + fname
      print("  Podnapis: " + fname )
      with codecs.open(fullpath, 'r+', "UTF-8-sig") as cursub:
        lines = cursub.read().replace("ž","š")
        cursub.seek(0)
        cursub.write(lines)

编辑

现在替换字母可以正常工作，但我仍然无法弄清楚如何正确编码文件 TO utf-8。

当前版本输出如下错误：

UnicodeDecodeError: 'utf-8' 编解码器无法在位置解码字节 0x9a 220: 无效的起始字节

【问题讨论】：

什么不起作用？
哪个版本的 Python？
你正在替换，但你没有写回；当您执行 line.replace 时，它不会写回该行，它只是修改它。您遇到的另一个问题是您打开文件进行写入，这将删除其内容；这意味着line 不会包含您要替换的字母。

标签： python replace utf-8

【解决方案1】：

如果要读写打开r+模式

cursub = codecs.open(filename, 'r+',"utf-8")
lines = cursub.read().replace("š", "ž")
cursub.seek(0)  # go back to start of file
cursub.write(lines) # rewrite updated lines

使用 with 会自动关闭文件：

with codecs.open(filename, 'r+',"utf-8") as cursub: 
    lines = cursub.read().replace("š", "ž")
    cursub.seek(0)
    cursub.write(lines)

【讨论】：

太好了，像现在这样替换作品:) 除了编码保持 ASCII 而不是 UTF-8。有什么建议么？ PS 那些投反对票的人是怎么回事？

【解决方案2】：

如果您要编辑（或更确切地说是重写）一个文件，您不应该在写入模式下打开它，因为这样就无法读取它。要么先将整个文件读入内存，要么先从原始文件读取，然后写入副本（或先复制并从副本中读取，然后重写原始文件）。

【讨论】：