Question

我在文本文件中有文字“confrères”，编码格式为“ISO-8859-2”。我想在python中以“UTF-8”编码这个值。

我在python（2.7）中使用以下代码进行转换，但转换后的值[“confrčres”]与原始值[“confrères”]不同。< / p>

# -*- coding: utf-8 -*-

import chardet
import codecs

a1=codecs.open('.../test.txt', 'r')

a=a1.read()

b = a.decode(chardet.detect(a)['encoding']).encode('utf8')

a1=codecs.open('.../test_out.txt', 'w').write(b)

知道如何在输出文件中以UTF8编码格式获取实际值。

由于

Answer 1

如果您知道使用的编解码器，请不要使用chardet。字符检测绝不是万无一失的，图书馆猜错了你的文件。

请注意，ISO-8859-2是错误的编解码器，因为该编解码器甚至无法对字母è进行编码。您可以使用ISO-8859-1（Latin-1）或Windows代码页1252数据; 8859-1中的è和cp1252编码为0xE8,8859-2中的0xE8为č：

>>> print u'confrčres'.encode('iso-8859-2').decode('iso-8859-1')
confrères

8859-2可能是猜测chardet吗？

您可以使用io library动态处理解码和编码;它是处理Python 3中所有I / O的相同代码库，问题少于codecs：

from shutil import copyfileobj

with open('test.txt', 'r', encoding='iso-8859-1') as inf:
    with open('test_out.txt', 'w', encoding='utf8') as outf:
        copyfileobj(inf, outf)

我使用shutil.copyfileobj()来处理数据的复制。

编码解码Python

1 个答案: