テキスト ファイル内の Unicode テキスト: エラーのない記述のための包括的なガイド

Google ドキュメントから抽出されたデータのコーディングは、特に困難な場合があります。 HTML で使用するために変換する必要がある非 ASCII シンボルが見つかった場合。このガイドでは、Unicode テキストを処理し、エンコード エラーを防ぐためのソリューションを提供します。

最初は、データの取得中にすべてを Unicode に変換してファイルに書き込むのが正しいアプローチのように思えるかもしれません。ただし、この方法では、非 ASCII シンボルが存在するため、エンコード エラーが発生する可能性があります。これを解決するには、プロセス全体を通じて Unicode オブジェクトのみを扱うことが重要です。

Unicode オブジェクト (u'Δ、Й、ק...') をファイル書き込み可能な文字列に変換する場合、次のことが必要です。それを Unicode でエンコードされた形式にエンコードします:

foo = u'Δ, Й, ק, ‎ م, ๗, あ, 叶, 葉, and 말.'
f = open('test', 'w')
f.write(foo.encode('utf8'))
f.close()

Unicode オブジェクトを「utf8」としてエンコードすると、エンコード エラーが発生することなくファイルに書き込むことができます。

このファイルを再度読み取るときは、Unicode をデコードする必要があります。 -エンコードされた文字列オブジェクトを Unicode オブジェクトに戻す:

f = file('test', 'r')
print(f.read().decode('utf8'))

これらの手順に従うことで、エンコード エラーを防ぎ、非 ASCII 記号が確実に表示されるようにしながら、Unicode テキストをテキスト ファイルに安全に書き込んだり、テキスト ファイルから読み取ったりすることができます。正しく処理されました。