如何更改文件中字符的编码

Question

我已经阅读了很多关于编码的文章，但我仍然不确定我是否完全理解它。我有一个编码为 ANSI 的文件，其中包含单词 "Solluções"。我想将文件转换为 UTF-8，但每当我这样做时，它都会更改字符。

代码：

with codecs.open(filename_in,'r') 
   as input_file, 
   codecs.open(filename_out,'w','utf-8') as output_file:
   output_file.write(input_file.read())

结果："SolluÃ§Ãµes"

我想这是一个愚蠢的问题，但我现在陷入了僵局。我尝试在写入文件之前对文件中的各个数据调用 encode('utf-8') 无济于事，所以我猜这也不正确......感谢任何帮助，谢谢！

Answer 1

类似问题的SO answer指定文件的输入类型，如codecs.open(sourceFileName, "r", "your-source-encoding")。否则，如果无法检测到原始编码，python 可能无法正确解释字符。

关于编码的警告：大多数谈论 ANSI 的人指的是 Windows 代码页之一；您可能真的有一个 CP（代码页）1252 的文件，它几乎与 ISO-8859-1（拉丁语 1）相同，但又不完全相同。如果是这样，请使用 cp-1252 而不是 latin-1 作为 your-source-encoding.

Answer 2

你可以试试

  from codecs import encode,decode
  with open(filename_out,"w") as output_file:
       decoded_unicode = decode(input_file.read(),"cp-1252") #im guessing this is what you mean by "ANSI"
       utf8_bytes = encode(decoded_unicode,"utf8")
       output_file.write(utf8_bytes)

如何更改文件中字符的编码

How to change encoding of characters from file

python

encoding

utf-8