Записать содержимое Unicode и имя файла Unicode в Windows

Question

Записать содержимое Unicode и имя файла Unicode в Windows

1

#source file is encoded in utf8
import urllib2
import re

req = urllib2.urlopen('http://people.w3.org/rishida/scripts/samples/hungarian.html')
c = req.read()#.decode('utf-8')

p = r'title="This is Latin script \(Hungarian language\)">(.+)'
text = re.search(p, c).group(1)

name = text[:10]+'.txt'  #file name will have special chars in it

f = open(name, 'wb')
f.write(text)  #content of file will have special chars in it
f.close()   


x = raw_input('done')

Как вы видите, script выполняет пару вещей: - Читает содержимое, которое, как известно, имеет символы Юникода с веб-страницы в переменную

(Исходный файл сохраняется в utf- 8, но это не должно иметь значения, если строки кода unicode в действительности не определены в исходном коде... Как вы можете видеть, строка unicode динамически определяется в переменной. что кодировка источника не имеет значения в этом сценарии)

Записывает файл с именем, содержащим символы Unicode
Запишите также содержимое юникода в этот файл

Здесь странное поведение, которое я получаю (Windows 7, Python 2.7): Когда я не использую функцию декодирования:

c = req.read()

ИМЯ файла выйдет из тарабарщины, но СОДЕРЖАНИЕ файла выйдет читабельным (то есть вы увидите верные венгерские символы юникода)

Тем не менее, когда я использую функцию декодирования:

c = req.read().decode('utf-8')

Он не будет ОШИБКА при открытии файла (действительно создавая его с режимом "w" ) и полученный файл NAME будет доступен для чтения, да, теперь он показывает правильные символы юникода.

До сих пор так хорошо? Ну, тогда WILL ERROR попытается записать содержимое юникода в файл:

    f.write(text)  #content of file will have special chars in it
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe1' in position 8: ordinal not in range(128)

Видишь ли, я не могу иметь торт и съесть его тоже... Либо я могу правильно записать ИМЯ файла, либо я могу правильно записать СОДЕРЖАНИЕ файла.

Как я могу сделать оба?

Я также попытался записать файл с помощью

f = codecs.open(name, encoding='utf-8', mode='wb')

Но это также ошибки..

MistahX 08 июнь 2011, в 08:44

Источник

Теги:

python

windows

2 ответа

Ещё вопросы

MistahX · Answer 1 · 2011-06-08T17-54-00.000Z

В то время как ответ winterTTR работает. Я понял, что этот подход запутан. Скорее всего, все, что вам действительно нужно сделать, это кодировать данные, которые вы пишете в файл. Имя, которое вам не нужно кодировать, и имя, и содержание будут выдаваться "читаемыми".

content = '\xunicode chars'.decode('utf-8')
f = open(content[:5]+'.txt', 'wb')
f.write(content.encode('utf-8'))
f.close()

winterTTr · Answer 2 · 2011-06-08T04-58-00.000Z

Единственная проблема для вас - это просто "нечитаемое" имя файла из исходного исходного файла. Это может решить вашу проблему:

f = open(name.decode('utf-8').encode( sys.getfilesystemencoding() ) , 'wb')