在python中使用编解码器utf-8导致文件打开错误

我在WindowsXP和Python2.6.4上执行以下代码

但它显示了一个错误

如何打开名为utf-8编解码器的文件

>>> open( unicode('한글.txt', 'euc-kr').encode('utf-8') )

Traceback (most recent call last):
  File "<pyshell#0>", line 1, in <module>
    open( unicode('한글.txt', 'euc-kr').encode('utf-8') )
IOError: [Errno 22] invalid mode ('r') or filename: '\xed\x95\x9c\xea\xb8\x80.txt'

>>打开（unicode（'한글.txt“，”euc kr“）。编码（'utf-8'））
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
开放式（unicode）한글.txt“，”euc kr“）。编码（'utf-8'））
IOError:[Errno 22]无效模式（'r'）或文件名：'\xed\x95\x9c\xea\xb8\x80.txt'

但以下代码无法正常运行

>>> open( unicode('한글.txt', 'euc-kr') )
<open file u'\ud55c\uae00.txt', mode 'r' at 0x01DD63E0>

>>打开（unicode（'한글.txt“，”euc kr“））

Windows向Python公开的C运行时界面使用系统代码页对文件名进行编码。与OS X和现代Linux版本不同，在Windows上，系统代码页从来都不是UTF-8。因此，UTF-8字节字符串不会有任何好处

您可以使用

.encode（'mbcs'）

将文件名编码到当前代码页，在您的情况下，这可能相当于

.encode（'cp949'）

。为了使其与文件名为UTF-8的其他平台兼容，您可以查找

sys.getfilesystemencoding

，这将为您提供

UTF-8

，或者在Windows上提供

mbcs

然而，虽然

cp949

适用于韩语字符，但它会破坏该代码页（扩展版EUC-KR）之外的任何内容

因此，另一种方法是将文件名保持为Unicode。在Windows上，这将使用Unicode本机接口以内部使用的UTF-16LE编码将文件名传递给Windows。（有关此功能的详细信息，请参见。）

这通常也适用于其他平台：Linux和OS X应该为您将Unicode文件名静默编码为UTF-8。在较旧的Python版本中，这可能会失败得更多，但这是Python3中处理文件名的默认方式（默认字符串类型已更改为Unicode）

在Python 2上使用Unicode文件名时要注意的陷阱有：

• 如果为False，则返回文件名的函数（如

  os.listdir

  ）将始终为您提供字节字符串。您必须检测到这一点，并使用

  sys.getfilesystemencoding

  对其进行解码

• 如果您在Linux/OS X上有一个名称不是有效UTF-8字符串的文件，您将无法获取该文件的Unicode文件名（如果您尝试，则无法获取Unicode文件名）。这有点拐弯抹角，但可能会导致讨厌的无法访问的文件

顺便说一下

open(unicode('한글.txt', 'euc-kr'))

您可能想在那里说“cp949”（因为Windows韩语代码页与EUC-KR有细微的区别）。或者，更一般地说，

'mbcs'

，它为您提供系统代码页，该页面可能与您的控制台正在键入的页面相同。无论如何，我不知道PyShell的情况，但通常情况下，如果上述方法有效，那么您应该能够直接键入它：

open(u'한글')

---

我认为Windows使用UTF-16编码文件名。是的。。。不幸的是，这仍然有点令人头痛。Python 3对此做了一些改进。+1您似乎有很多时间和耐心来解释问题。实际上，Windows可以使用UTF-8作为系统编码（chcp 65001），但大多数应用程序都会出现错误行为。