UnicodeDecodeError: 'ASCII' codec unable to decode byte 0xef of position 0: s...

I_Like_AI

当我运行下面代码时：
file = codecs.open("temp", "w", "utf-8")
file.write(codecs.BOM_UTF8)
file.close()
它给了我错误
UnicodeDecodeError: 'ASCII' codec unable to decode byte 0xef of position 0: serial number out of range (128)
换个方式，运行下面代码
file = open("temp", "w")
file.write(codecs.BOM_UTF8)
file.close()
它工作正常。
问题是为什么第一种方法失败了？我该如何插入bom？

黑崎一护

我认为问题是codecs.BOM_UTF8字节串，而不是Unicode字符串。
尝试直接为字节顺序标记（即Unicode U + FEFF）编写Unicode字符串，以便该文件只将其编码为UTF-8：

1. import codecs
   
2. 
   
3. file = codecs.open("lol", "w", "utf-8")
   
4. file.write(u'\ufeff')
   
5. file.close()

复制代码

他改变了中国

阅读以下内容：http： //docs.python.org/library/codecs.html#module-encodings.utf_8_sig
做这个

1. with codecs.open("test_output", "w", "utf-8-sig") as temp:
   
2.     temp.write("hi mom\n")
   
3.     temp.write(u"This has ♭")

复制代码

生成的文件是带有预期BOM的UTF-8。

天使与魔鬼

codecs模块是正确的- 它包含字节字符串：
>>> import codecs
>>> codecs.BOM
'\xff\xfe'
>>> codecs.BOM_UTF8
'\xef\xbb\xbf'
>>>
选择另一个nit，它BOM有一个标准的Unicode名称，可以输入：
>>> bom= u"\N{ZERO WIDTH NO-BREAK SPACE}"
>>> bom
u'\ufeff'
它也可通过unicodedata以下方式访问：
>>> import unicodedata
>>> unicodedata.lookup('ZERO WIDTH NO-BREAK SPACE')
u'\ufeff'
>>>