如何在Python中正確讀寫Unicode（UTF-8）檔案？

Python 中的Unicode (UTF-8) 檔案I/O

在Python 中，處理文件中的Unicode 文字涉及編碼和編碼解碼操作。然而，理解這些概念可能具有挑戰性，如一個常見問題所示：

解碼混亂：

考慮Python 2.4 中的以下程式碼：

<code class="python">ss = u'Capit\xe1n'
ss8 = ss.encode('utf8')
print(ss, ss8)</code>

此程式碼輸出：

Capit\xe1n b'Capit\xc3\xa1n'

a 銳音字元(á) 在Unicode (u'Capitxe1n') 和UTF-8 (ss8 = 'Capitxc3xa1n') 中的表示方式不同。列印 ss8 時，Python 預設使用 ASCII 表示形式，因此是 xc3xa1n 序列。

以寫入模式開啟檔案「f1」並寫入 ss8 會導致「Capitxc3xa1nn」寫入該檔案。相反，當將 ss 寫入另一個檔案「f2」時，Python 會嘗試將 a-acute 字元解釋為轉義序列，結果是「Capitxc3xa1nn」。

解碼解決方案：

要解決此混亂，請在開啟檔案時明確指定編碼。在 Python 2.6 及更高版本中，可以使用 io.open 函數：

<code class="python">import io
f = io.open("test", mode="r", encoding="utf-8")</code>

這種方法可以確保檔案以 UTF-8 方式讀寫，無需手動編碼和解碼。在Python 3.x中，io.open函數是內建open函數的別名，它也支援encoding參數。

或者，可以使用codecs模組：

<code class="python">import codecs
f = codecs.open("test", "r", "utf-8")</code>

需要注意的是，混合使用 read() 和 readline() 方法可能會在使用codecs.open 時導致問題。

以上是如何在Python中正確讀寫Unicode（UTF-8）檔案？的詳細內容。更多資訊請關注PHP中文網其他相關文章！