PythonでUTF-8ファイルに書き込む

私は本当に混乱していcodecs.open functionます。私がする時：

file = codecs.open("temp", "w", "utf-8")
file.write(codecs.BOM_UTF8)
file.close()

それは私にエラーを与えます

UnicodeDecodeError： 'ascii'コーデックは位置0のバイト0xefをデコードできません：序数が範囲（128）にありません

私が行った場合：

file = open("temp", "w")
file.write(codecs.BOM_UTF8)
file.close()

正常に動作します。

質問はなぜ最初の方法が失敗するのですか？そして、どうやってbomを挿入しますか？

2番目の方法がそれを行う正しい方法である場合、使用する意味は何codecs.open(filename, "w", "utf-8")ですか？

問題は、それcodecs.BOM_UTF8がUnicode文字列ではなくバイト文字列であると私は考えています。ファイルハンドラーは、「UnicodeをUTF-8でエンコードされたテキストとして書き込むつもりですが、バイトストリングを指定しました！」に基づいて、あなたが本当に意味するところを推測しようとしているのではないかと思います。

バイトオーダーマークのUnicode文字列（つまり、Unicode U + FEFF）を直接書き込んでみて、ファイルがそれをUTF-8としてエンコードするようにします。

import codecs

file = codecs.open("lol", "w", "utf-8")
file.write(u'\ufeff')
file.close()

（それは正しい答えを与えるようです-バイトEF BB BFのファイル）

編集：エンコードはBOMを明示的に記述するよりも優れているため、S。ロットの「utf-8-sig」を使用することをお勧めしますが、以前は問題があったことを説明しているので、ここではこの回答は残しておきます。

以下をお読みください：http : //docs.python.org/library/codecs.html#module-encodings.utf_8_sig

これを行う

with codecs.open("test_output", "w", "utf-8-sig") as temp:
    temp.write("hi mom\n")
    temp.write(u"This has ♭")

結果のファイルは、予想されるBOMを含むUTF-8です。

@ S-Lottは正しい手順を提供しますが、Unicodeの問題を拡張して、Pythonインタープリターはより多くの洞察を提供できます。

Jon Skeetはcodecsモジュールについて正しい（珍しい）-バイト文字列が含まれています：

>>> import codecs
>>> codecs.BOM
'\xff\xfe'
>>> codecs.BOM_UTF8
'\xef\xbb\xbf'
>>> 

別のnitを選択すると、BOMは標準のUnicode名を持ち、次のように入力できます。

>>> bom= u"\N{ZERO WIDTH NO-BREAK SPACE}"
>>> bom
u'\ufeff'

次の方法でもアクセスできますunicodedata。

>>> import unicodedata
>>> unicodedata.lookup('ZERO WIDTH NO-BREAK SPACE')
u'\ufeff'
>>> 

file * nixコマンドを使用して、不明な文字セットファイルをutf-8ファイルに変換します

# -*- encoding: utf-8 -*-

# converting a unknown formatting file in utf-8

import codecs
import commands

file_location = "jumper.sub"
file_encoding = commands.getoutput('file -b --mime-encoding %s' % file_location)

file_stream = codecs.open(file_location, 'r', file_encoding)
file_output = codecs.open(file_location+"b", 'w', 'utf-8')

for l in file_stream:
    file_output.write(l)

file_stream.close()
file_output.close()