将Unicode文本写入文本文件？

尽可能多地专门处理 unicode 对象，方法是在您第一次获取 unicode 对象时将它们解码为 unicode 对象，并在退出时根据需要对其进行编码。

如果您的字符串实际上是 unicode 对象，则需要先将其转换为 unicode 编码的字符串对象，然后再将其写入文件：

foo = u'Δ, Й, ק, ‎ م, ๗, あ, 叶, 葉, and 말.'
f = open('test', 'w')
f.write(foo.encode('utf8'))
f.close()

当您再次读取该文件时，您将获得一个 unicode 编码的字符串，您可以将其解码为一个 unicode 对象：

f = file('test', 'r')
print f.read().decode('utf8')

---

在 Python 2.6+ 中，您可以使用 use io.open()，即 Python 3 上的默认值 (builtin open())：

import io

with io.open(filename, 'w', encoding=character_encoding) as file:
    file.write(unicode_text)

如果您需要逐步编写文本（无需多次调用 unicode_text.encode(character_encoding)），可能会更方便。与 codecs 模块不同，io 模块具有适当的通用换行符支持。

---

Unicode 字符串处理已经在 Python 3 中标准化。

字符已经以Unicode（32位）存储在内存中您只需要以utf-8打开文件（从内存到文件的32位Unicode到可变字节长度utf-8的转换会自动执行。）out1 =“ (嘉南大雪 ㄐㄧㄚ ㄋㄢˊ ㄉㄚˋ ㄗㄨㄣˋ )" fobj = open("t1.txt", "w", encoding="utf-8") fobj.write(out1) fobj.close ()

---

前言：你的观众会工作吗？

确保您的查看器/编辑器/终端（无论您正在与 utf-8 编码文件交互）可以读取该文件。这经常是 Windows 上的问题，例如记事本。

将Unicode文本写入文本文件？

在 Python 2 中，使用 io 模块中的 open（这与 Python 3 中的内置 open 相同）：

import io

最佳实践通常使用 UTF-8 写入文件（我们甚至不必担心 utf-8 的字节顺序）。

encoding = 'utf-8'

utf-8 是最现代和最普遍可用的编码 - 它适用于所有 Web 浏览器、大多数文本编辑器（如果有问题，请参阅您的设置）和大多数终端/shell。

在 Windows 上，如果您仅限于在记事本（或其他受限查看器）中查看输出，则可以尝试 utf-16le。

encoding = 'utf-16le' # sorry, Windows users... :(

只需使用上下文管理器打开它并写出您的 unicode 字符：

with io.open(filename, 'w', encoding=encoding) as f:
    f.write(unicode_object)

使用许多 Unicode 字符的示例

这是一个示例，它尝试将每个可能的字符映射到最多三位宽（4 是最大值，但这会有点远）从数字表示（整数）到编码的可打印输出，以及它的名称，如果可能（将其放入名为 uni.py 的文件中）：

from __future__ import print_function
import io
from unicodedata import name, category
from curses.ascii import controlnames
from collections import Counter

try: # use these if Python 2
    unicode_chr, range = unichr, xrange
except NameError: # Python 3
    unicode_chr = chr

exclude_categories = set(('Co', 'Cn'))
counts = Counter()
control_names = dict(enumerate(controlnames))
with io.open('unidata', 'w', encoding='utf-8') as f:
    for x in range((2**8)**3): 
        try:
            char = unicode_chr(x)
        except ValueError:
            continue # can't map to unicode, try next x
        cat = category(char)
        counts.update((cat,))
        if cat in exclude_categories:
            continue # get rid of noise & greatly shorten result file
        try:
            uname = name(char)
        except ValueError: # probably control character, don't use actual
            uname = control_names.get(x, '')
            f.write(u'{0:>6x} {1}    {2}\n'.format(x, cat, uname))
        else:
            f.write(u'{0:>6x} {1}  {2}  {3}\n'.format(x, cat, char, uname))
# may as well describe the types we logged.
for cat, count in counts.items():
    print('{0} chars of category, {1}'.format(count, cat))

这应该运行大约一分钟，您可以查看数据文件，如果您的文件查看器可以显示 unicode，您将看到它。可以在 here 中找到有关类别的信息。根据计数，我们可以通过排除 Cn 和 Co 类别来改进我们的结果，这些类别没有与之关联的符号。

$ python uni.py

它将显示十六进制映射、category、符号（除非无法获取名称，因此可能是控制字符）和符号名称。例如

我建议在 Unix 或 Cygwin 上使用 less（不要将整个文件打印/分类到您的输出中）：

$ less unidata

例如，将显示类似于我使用 Python 2（unicode 5.2）从中采样的以下行：

     0 Cc NUL
    20 Zs     SPACE
    21 Po  !  EXCLAMATION MARK
    b6 So  ¶  PILCROW SIGN
    d0 Lu  Ð  LATIN CAPITAL LETTER ETH
   e59 Nd  ๙  THAI DIGIT NINE
  2887 So  ⢇  BRAILLE PATTERN DOTS-1238
  bc13 Lo  밓  HANGUL SYLLABLE MIH
  ffeb Sm  ￫  HALFWIDTH RIGHTWARDS ARROW

我来自 Anaconda 的 Python 3.5 具有 unicode 8.0，我想大多数 3 都会。

---

codecs.open 打开的文件是一个获取 unicode 数据、在 iso-8859-1 中对其进行编码并将其写入文件的文件。但是，您尝试编写的不是 unicode；您获取 unicode 并在 iso-8859-1 您自己 中对其进行编码。这就是 unicode.encode 方法所做的，编码 unicode 字符串的结果是一个字节串（一个 str 类型）。

您应该使用普通的 open() 并自己编码 unicode，或者（通常是一个更好的主意）使用 codecs.open() 而 not 自己编码数据。

---

如何将 unicode 字符打印到文件中：

将此保存到文件：foo.py：

#!/usr/bin/python -tt
# -*- coding: utf-8 -*-
import codecs
import sys 
UTF8Writer = codecs.getwriter('utf8')
sys.stdout = UTF8Writer(sys.stdout)
print(u'e with obfuscation: é')

运行它并将输出通过管道传输到文件：

python foo.py > tmp.txt

打开 tmp.txt 并查看内部，您会看到：

el@apollo:~$ cat tmp.txt 
e with obfuscation: é

因此，您已将带有混淆标记的 unicode e 保存到文件中。

---

当您尝试对非 unicode 字符串进行编码时会出现该错误：它会尝试对其进行解码，假设它是纯 ASCII 格式。有两种可能：

您将其编码为字节串，但由于您使用了 codecs.open，因此 write 方法需要一个 unicode 对象。因此，您对其进行编码，然后它会尝试再次对其进行解码。尝试： f.write(all_html) 代替。 all_html 实际上不是一个 unicode 对象。当您执行 .encode(...) 时，它首先尝试对其进行解码。

---

在用python3编写的情况下

>>> a = u'bats\u00E0'
>>> print a
batsà
>>> f = open("/tmp/test", "w")
>>> f.write(a)
>>> f.close()
>>> data = open("/tmp/test").read()
>>> data
'batsà'

在python2中编写的情况下：

>>> a = u'bats\u00E0'
>>> f = open("/tmp/test", "w")
>>> f.write(a)

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe0' in position 4: ordinal not in range(128)

为避免此错误，您必须使用编解码器“utf-8”将其编码为字节，如下所示：

>>> f.write(a.encode("utf-8"))
>>> f.close()

并在使用编解码器“utf-8”读取时解码数据：

>>> data = open("/tmp/test").read()
>>> data.decode("utf-8")
u'bats\xe0'

而且，如果您尝试在此字符串上执行打印，它将使用像这样的“utf-8”编解码器自动解码

>>> print a
batsà

---