在latin1编码的文件中写入并读取字符串

Question

下面是两个代码示例，Python3：第一个用latin1编码编写两个文件：

s='On écrit ça dans un fichier.'
with open('spam1.txt', 'w',encoding='ISO-8859-1') as f:
    print(s, file=f)
with open('spam2.txt', 'w',encoding='ISO-8859-1') as f:
    f.write(s)

第二个读取具有相同编码的相同文件：

with open('spam1.txt', 'r',encoding='ISO-8859-1') as f:
    s1=f.read()
with open('spam2.txt', 'r',encoding='ISO-8859-1') as f:
    s2=f.read()

现在，打印s1和s2

On écrit ça dans un fichier.

而不是最初的“Onécritça dans un fichier”

怎么了？我也试过用io.open但是我错过了一些东西。有趣的是，我对Python2.7和它的str.decode方法没有这样的问题，它现在已经不存在了。。。

有人能帮我吗？

Answer 1

您的数据被写为UTF-8：

>>> 'On écrit ça dans un fichier.'.encode('utf8').decode('latin1')
'On écrit ça dans un fichier.'

这意味着您没有写出拉丁语-1数据，或者您的源代码被保存为UTF-8，但是您声明了您的脚本（使用PEP 263-compliant header来代替拉丁语-1）。

如果您保存的Python脚本的标题如下：

# -*- coding: latin-1 -*-

但是文本编辑器用UTF-8编码保存了文件，然后是字符串文字：

s='On écrit ça dans un fichier.'

也会被Python以同样的方式曲解。将得到的unicode值保存为拉丁-1并将其再次读取为拉丁-1将保留错误。

要调试，请仔细查看第一个脚本中的print(s.encode('unicode_escape'))。如果它看起来像：

b'On \\xc3\\xa9crit \\xc3\\xa7a dans un fichier.'

然后你的源代码编码和PEP-263头在如何解释源代码上有分歧。如果源代码解码正确，则正确输出为：

b'On \\xe9crit \\xe7a dans un fichier.'

如果Spyder顽固地忽略PEP-263头并将源代码读取为拉丁文-1而不管，请避免使用非ASCII字符并改用转义码；或者使用\uxxxxunicode代码点：

s = 'On \u00e9crit \u007aa dans un fichier.'

或\xaa256以下代码点的单字节转义码：

s = 'On \xe9crit \x7aa dans un fichier.'