在python中从windows-1252转换为utf-8

问题描述

我想在python中从windows-1252转换为utf-8，我写了这段代码：

def encode(input_file,output_file):
        f = open(input_file,"r")
        data = f.read()
        f.close()

        # Convert from Windows-1252 to UTF-8
        encoded = data.encode('Windows-1252').decode('utf-8')
        with safe_open_w(output_file) as f:
            f.write(encoded)

但我有这个错误：

encoded = data.encode('Windows-1252').decode('utf-8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe8 in position 5653: invalid continuation byte

我尝试使用此元标记转换 html：

<Meta http-equiv="Content-Type" content="text/html; charset=windows-1252">

解决方法

您转换的方式错误。您想从 cp1252 中解码，然后编码到 UTF-8。但后者并不是真正必要的。 Python 已经为您完成了。

当你解码某些东西时，输入应该是 bytes，结果是一个 Python 字符串。将字符串写入文件已隐式转换它，实际上您也可以通过指定编码来执行相同的读取操作。

此外，将整个文件读入内存是不优雅和浪费的。

with open(input_file,'r',encoding='cp1252') as inp,\
        open(output_file,'w',encoding='utf-8') as outp:
    for line in inp:
        outp.write(line)