Question

我有关于阅读和打印utf8文本文件的python问题。

我有一个没有BOM的utf8编码的test.txt。该文件中包含两个字符：

大声

第一个字符“大”是中文，第二个“声”是日文。现在，当我使用Ulipad（一个python编辑器）运行以下代码来读取txt文件，并打印这两个字符。

import codecs
infile = "C:\\test.txt"

f = codecs.open(infile, "r", "utf-8")
s = f.read()

print(s)

我收到了这个错误，

"UnicodeEncodeError: 'cp950' codec can't encode character '\u58f0' in position 1:
 illegal multibyte sequence"

我发现它是由第二个字符“声”引起的。

但是当我使用相同的代码在python默认的GUI IDLE中进行测试时，它可以打印两个没有错误的字符。那么，我该如何解决这个问题。

我的运行环境是python 3.1，windows xp繁体中文。

Answer 1

打印时出现错误，因为：

（1）Ulipad正在打印到sys.stdout，这是旧版MS-DOS命令提示符窗口的标准输出。（2）您的繁体中文Windows XP使用cp950编码，这是big5 plus Microsoftian fiddling。（3）你说你的第二个字符是日语，你可能意味着它不是中文，因此不太可能是big5 +中的有效字符。

另一方面，IDLE正在写入自己的窗口并且没有绑定在MS-DOS轮上:-) ...因此可以打印更多的字符库。

Answer 2

声音可能是日语，但它也是“声音”（传统声音）的简体中文。 cp950是繁体中文，不支持这种简化字符。

由于您使用的是中文版Windows，因此您可以将默认代码页更改为cp936（统一中文）并查看输出。

我对Ulipad不熟悉，但尝试在Windows控制台中运行：

chcp 936

然后运行您的脚本。如果这不起作用，您可以通过“控制面板”，“区域和语言选项”，“高级”选项卡更改非Unicode程序的默认语言。这就是我在美国英语Windows上的控制台中打印中文的方法。

<强>更新

阅读有关Ulipad的消息，它说：

多语言支持目前支持4种语言：英语，西班牙语，简体中文和繁体中文，可以自动检测。

也许你可以覆盖自动检测到的繁体中文到简体中文，它可以选择支持该特定字符的代码页和/或字体。由于它不支持日语，因此可能仍然存在无法正确显示的字符。

python读取utf8文本文件问题

2 个答案: