有没有办法转换为unicode文件中的文本？在Python

Question

我正在写一个来自巴西页面的刮码，并且我正在将结果写入一个文件，结果是我从代码中得到的结果在ASCII中不受支持，并且给了我这个错误：

File "testUnicode.py", line 6 SyntaxError: Non-ASCII character '\xc3' in file testUnicode.py on line 6, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details

，所以我找到了答案这里解决这个错误：

file.write(news.encode('uft8')) 

和它的工作，因为它把我关了错误，但事情是，我仍然得到一个坏的方式的信息，像这样：

Em tom de desabafo, peemedebista diz que, no 1º mandato, foi um 'vice decorativo' Coalizão diz que usará sua maioria na Assembleia para libertar antichavistas Segundo autoridades, casal acusado das mortes estava 'radicalizado havia algum tempo' Entre as mulheres, índice vai a 52%; maioria da população aprova movimentos feministas Manifestantes bloqueiam ruas contra a reorganização das escolas; houve discussão com motoristas Animalzinho é menor que um grão de gergelim

有没有办法解决这个问题？

Answer 1

原来的错误：

File "testUnicode.py", line 6 
    SyntaxError: Non-ASCII character '\xc3' in file testUnicode.py on line 6, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details 

被造成的，因为你的文件有UTF-8字符，请声明与编码：

# -*- coding: utf-8 -*- 

第二个问题造成的，因为无论是把你的文字解释它编码为latin1而不是utf8，例如

c = u'\u00e3' # Codepoint for LATIN SMALL LETTER A WITH TILDE 

c.encode('utf8') # UTF8 encoding produces 2 bytes 
>>> '\xc3\xa3' 

# Those bytes, read as latin1 
print c.encode('utf8').decode('latin1') 
>>> ã 

# E.g. \xc3 => Ã 
#  \xa3 => £ 

所以，你的文件是写为utf8，但读作latin1。