在 Python 中写入 UTF-8 文件

我认为问题在于 codecs.BOM_UTF8 是字节字符串，而不是 Unicode 字符串。我怀疑文件处理程序试图根据“我打算将 Unicode 编写为 UTF-8 编码文本，但你给了我一个字节字符串！”来猜测你的真正意思。

尝试直接为字节顺序标记编写 Unicode 字符串（即 Unicode U+FEFF），以便文件将其编码为 UTF-8：

import codecs

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

（这似乎给出了正确的答案 - 一个字节为 EF BB BF 的文件。）

编辑：S. Lott 的 suggestion 使用“utf-8-sig”作为编码比自己明确编写 BOM 更好，但我将把这个答案留在这里，因为它解释了之前出了什么问题。

---

阅读以下内容：http://docs.python.org/library/codecs.html#module-encodings.utf_8_sig

做这个

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

生成的文件是 UTF-8 和预期的 BOM。

---

使用这个非常简单。不需要任何库。

with open('text.txt', 'w', encoding='utf-8') as f:
    f.write(text)

---

@S-Lott 提供了正确的程序，但扩展了 Unicode 问题，Python 解释器可以提供更多见解。

关于 codecs 模块，Jon Skeet 是正确的（不寻常的） - 它包含字节字符串：

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

选择另一个 nit，BOM 有一个标准的 Unicode 名称，它可以输入为：

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

它也可以通过 unicodedata 访问：

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

---

我使用 file *nix 命令将未知字符集文件转换为 utf-8 文件

# -*- 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()

---

python 3.4 >= 使用 pathlib：

import pathlib
pathlib.Path("text.txt").write_text(text, encoding='utf-8') #or utf-8-sig for BOM

---

如果您使用的是 pandas.to_excel() 等 Pandas I/O 方法，请添加一个编码参数，例如

pd.to_excel("somefile.xlsx", sheet_name="export", encoding='utf-8')

这适用于我相信的大多数国际角色。

---