Question

我正在编写一个程序来“手动”使用简短的Python脚本将csv文件排列为正确的JSON语法。在输入文件中，我使用readlines()将文件格式化为行列表，我将其操作并将其概念化为单个字符串，然后将其输出到单独的.txt文件中。但是，输出包含输入文件中存在的乱码而不是希伯来字符，输出是水平的双倍间距（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.

虽然关于这个主题有很多问题，但我没有找到问题的直接答案。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。

以下是代码：

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

需要对所有数据进行编码以存储在磁盘上。如果您不知道编码，那么您可以做的最好的就是猜测。有一个库：https://pypi.python.org/pypi/chardet

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

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”，因为它们也在内部使用它。

即使Python2对字符串/ unicode转换有点宽容，你也应该习惯于在输入上解码并在输出上进行编码。

在你的情况下

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

使用Python写入文本文件时的编码问题

2 个答案: