将Python 8转换为cp1252

Question

我已经有了在深层文件结构中迭代所有文件的代码，其中所有文件都是utf-8，需要转换为c1252 a.k.a。安西。

我需要达到和在任何严肃的文本编辑器中隐藏文件一样简单的结果.为什么会有损失呢？是的，有些字符被不同的字符标准地替换:Šš=ŠšČč=ÈèŤť=？Žž=ŽžĚě=ÌìŘř=ØøĎď=ÏïŇň=ÒòŮů=Ùù。

但是因为一个简单的字符串转换，比如

>>> print("Šš Čč Ťť Žž Ěě Řř Ďď Ňň Ůů".encode("utf-8").decode("cp1252"))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Program Files\Python310\lib\encodings\cp1252.py", line 15, in decode
    return codecs.charmap_decode(input,errors,decoding_table)
UnicodeDecodeError: 'charmap' codec can't decode byte 0x8d in position 8: character maps to <undefined>

..。不起作用我的机会有多大？整整一天，我都读了几十篇文章，没有找到一个可行的解决方案，也无法理解这个cp转换的根本原因。找到甚至完整的函数和转换器，显然是为Python 2编写的，没有工作。

也不起作用：

chcp 65001

Active code page: 65001

           with open(fpath, mode="r", encoding="utf-8") as fd:
               content = fd.read()
           with open(fpath, mode="w", encoding="cp1252") as fd:
               fd.write(content)

或

          with open(fpath, mode="r", encoding="utf-8") as fd:
               decoded = fd.decode("utf-8")
               content = decoded.encode("cp1252")

Answer 1

你的第一个例子是行不通的。使用一种方案对Unicode字符串进行编码和对另一种方案进行解码是不正确的，但您可以使用它生成的编码对文件或字节字符串进行解码，然后用另一种编码重新对其进行编码。然而，编码需要支持相同的Unicode代码点。

UTF-8支持编码所有Unicode代码点，而CP1252支持<256个，因此，如果您使用此路由，不要期望您的文件包含相同的信息。

在解码(读取)文件和编码(写入)文件时，可以使用errors参数。下面是一个示例字符串丢失的示例：

>>> s = "Šš Čč Ťť Žž Ěě Řř Ďď Ňň Ůů"
>>> s.encode('cp1252',errors='ignore').decode('cp1252')
'Šš   Žž     '
>>> s.encode('cp1252',errors='replace').decode('cp1252')
'Šš ?? ?? Žž ?? ?? ?? ?? ??'

也有无损转换，但使用替代方案。请参阅Python文档中的错误处理程序。

因此，第二个示例可以通过提供errors参数来处理损失：

with open(fpath, mode="r", encoding="utf-8") as fd:
    content = fd.read()
with open(fpath, mode="w", encoding="cp1252", errors='replace') as fd:
    fd.write(content)