python中的阿拉伯语，Unicode和文件

Question

我试图从Youtube上获取一些阿拉伯语文字，然后将其写入文件中并再次阅读。

抓取文本的源文件有：

#!/usr/bin/python
#encoding: utf-8

在文件的开头。

编写文本是这样完成的：

f.write(comment + '\n' )

文件内容是可读的阿拉伯语，因此我认为前面的步骤是正确的。

但是，当尝试从文件中读取内容（例如将它们写入另一个文件）时，会出现问题：

in = open('data_Pass1/EG', 'rb')
out.write(in.read())

结果是这样的输出文件：

\xd8\xa7\xd9\x8a\xd9\x87

是什么原因造成的？

Answer 1

在python 3.x中

in = open('data_Pass1/EG', 'r', encoding='utf-8')
out = open('_file_name_', 'w', encoding='utf-8')

在python 2.x中

import codecs
in = codecs.open('data_Pass1/EG', 'r', encoding='utf-8')
out = codecs.open('_file_name_', 'w', encoding='utf-8')

Answer 2

您正在以二进制（“rb”）模式打开输入文件。打开文件以文本形式读取（“r”）。我倾向于使用 Python 3，因此源文件默认为 UTF-8，因此我不知道设置文件内 .py 文件的编码对文本 I/O 有何影响，但如果有必要，您可能还想在所有文件 I/Oencoding='utf8'的调用中使用open()，除非这在 2.7 中不起作用，在这种情况下，我不确定在 Python 2.7 中处理该问题的最佳方法是什么......

正如 Lee Daniel Crocker 所建议的，如果您将输入直接传递到输出，您可能最好以二进制模式打开输入和输出文件（“rb”表示输入文件，“wb”表示输出）而不对其进行任何文本操作。（尽管按照 Andy 的评论，在 Python 2 中，最好以二进制模式打开文本文件并进行显式编码/解码。）