Python：如何强制输出iso-8859-1文件？

Question

我想知道如何在Python中强制输出Latin-1编码的文件（我猜这指的是iso-8859-1？）

这是我目前的代码。它可以正常工作，但当我尝试将生成的输出文件导入到一个Latin-1的MySQL表中时，出现了奇怪的编码错误。

outputFile = file( "textbase.tab", "w" )
for k, v in textData.iteritems():
    complete_line = k + '~~~~~' + v + '~~~~~' + " ENDOFTHELINE"
    outputFile.write(complete_line)
    outputFile.write( "\n" )
outputFile.close()

生成的输出文件似乎是以“Western (Mac OS Roman)”格式保存的，但即使我将其另存为Latin-1，仍然会遇到奇怪的编码问题。我该如何确保生成的字符串和文件本身都是以Latin-1编码的呢？

原始字符串（在textData字典中）是从一个RTF文件中解析出来的——我不知道这是否会有影响。

我对Python和编码的知识还比较浅薄，所以如果这个问题很傻，我先说声抱歉。我试着查看文档，但没找到太多有用的信息。

我使用的是Python 2.6.1。

Answer 1

这里的主要问题是你不知道你的数据是什么编码格式。如果我们假设你说的没错，你的文件是用Mac OS Roman编码的，那么你需要先把数据解码成unicode格式，然后再编码成iso-8859-1格式。

inputFile = open("input.rtf", "rb") # The b flag is just a marker in Python 2.
data = inputFile.read().decode('mac_roman')
textData = yourparsefunctionhere(data)

outputFile = open( "textbase.tab", "wb" ) # don't use file()
for k, v in textData.iteritems():
    complete_line = k + '~~~~~' + v + '~~~~~' + " ENDOFTHELINE"
    outputFile.write((complete_line + "\n").encode("iso-8859-1"))
    outputFile.close()

不过，考虑到这是RTF格式的文件，我不会感到惊讶，如果它是用Windows编码的，你也可以试试这种方式。我不太清楚RTF是怎么规定编码的。

Answer 2

对我来说，在 Python 2.7 中，io.open 在写入时速度稍快，而在读取时速度快了很多倍：

import io
with io.open("textbase.tab", "w", encoding="ISO-8859-1") as outputFile:
    ...

在 Python 3 中，你只需要在调用 open 时加上 encoding 这个参数就可以了，具体可以查看这里。

Answer 3

简单来说，你可以使用 codecs 模块来写文件：

import codecs
outputFile = codecs.open("textbase.tab", "w", "ISO-8859-1")

当然，你写的字符串必须是 Unicode 字符串（类型是 unicode），如果是普通的 str 对象（其实就是字节数组），是不会被转换的。我想你在读取 RTF 文件的时候也在用普通的 Python 文件对象，所以你可能也需要把它转换成使用 codecs.open 的方式。