Python 将Unicode写入HTML文件不同于普通文件

我在用脚本写入文件时遇到了字符编码问题。我正在做的是从一个带有API的网站下载一些信息。我无法控制接收信息的格式，但这里有一个快速示例：

{'id': 12, 'name': "Kathy \xc3\x93 Fakename"}
{'id': 23, 'name': "Se\xc3\xb1or Murphy"}

（那里的名字是“凯西·法克纳姆”和“塞纳或例子”）

这基本上是好的，当我将它们写入一个没有文件类型的通用文件时，我会得到具有正确字符的正确格式

然而，我有两个问题。我正在将所有这些信息写入一个html表中。当我以

.html

结尾写入文件时，会将错误的字符写入文件。相反，我最终得到了名称

KathyÓFakename

和

SeÔ或示例

。这些不正确的字符也会显示为实际的文件名，即使我想要的更正对文件名完全有效

我相信我已经验证了唯一的区别是文件类型，尽管我仍然感到困惑，因为我不希望Python隐式地调整我所写的内容。而且它肯定在HTML的源代码中，而不仅仅是它的显示方式

要演示此代码，请执行以下操作：

with open(os.path.abspath("Test.html"),'w') as f:
    for user in users:
        f.write("{}: {}<br>".format(user['id'], user['name']))
with open(os.path.abspath("Test"),'w') as f:
    for user in users:
        f.write("{}: {}\n".format(user['id'], user['name']))

将open（os.path.abspath（“Test.html”），“w”）作为f:
对于用户中的用户：
f、 写入（“{}:{}
”。格式（用户['id']，用户['name']））
将open（os.path.abspath（“Test”），“w”）作为f：
对于用户中的用户：
f、 写入（“{}:{}\n.”格式（用户['id']，用户['name']））

导致

Test
12: Kathy Ó Fakename
23: Señor Murphy

Test.html
12: Kathy Ó Fakename<br>
23: Señor Murphy<br>

测试
12:KathyÓFakename
23:Señor Murphy
Test.html
12:KathyÓFakename

23:Señ或Murphy

---

造成这种差异的原因是什么？

您正在写入UTF-8数据，但您用来读取文件的任何工具都将文件解码为Windows CP 1251：

>>> print "Kathy \xc3\x93 Fakename".decode('utf8')
Kathy Ó Fakename
>>> print "Kathy \xc3\x93 Fakename".decode('cp1252')
Kathy Ó Fakename
>>> print "Se\xc3\xb1or Murphy".decode('utf8')
Señor Murphy
>>> print "Se\xc3\xb1or Murphy".decode('cp1252')
Señor Murphy

使用正确的工具或告诉这些工具改用UTF-8。使用HTML时，您可以包括一个工具来告诉工具要使用什么编解码器：

凯西·法克纳姆

塞尼或墨菲

您可能想了解Python和Unicode：

• 乔尔斯波尔斯基

• 内德·巴奇尔德

---

您正在写入UTF-8数据，但您用于读取文件的任何工具都将文件解码为Windows CP 1251：

>>> print "Kathy \xc3\x93 Fakename".decode('utf8')
Kathy Ó Fakename
>>> print "Kathy \xc3\x93 Fakename".decode('cp1252')
Kathy Ó Fakename
>>> print "Se\xc3\xb1or Murphy".decode('utf8')
Señor Murphy
>>> print "Se\xc3\xb1or Murphy".decode('cp1252')
Señor Murphy

使用正确的工具或告诉这些工具改用UTF-8。使用HTML时，您可以包括一个工具来告诉工具要使用什么编解码器：

凯西·法克纳姆

塞尼或墨菲

您可能想了解Python和Unicode：

• 乔尔斯波尔斯基

• 内德·巴奇尔德

---

您正在编写UTF-8，但是如果您使用需要拉丁语1或Windows代码页1251的工具打开文件，那么是的，您将看到一个。@padraiccningham：查看标记。：-）您正在编写UTF-8，但是如果您使用需要拉丁语1或Windows代码页1251的工具打开文件，那么是的，您将看到一个。@padraiccningham：查看t他标记：-）我觉得很愚蠢，我没有想到我仍然在浏览器中查看HTML源代码而不是Notepad++（我在查看普通文件）。所以这正是我的错误，谢谢！我觉得很愚蠢，我没有想到我仍然在浏览器中查看HTML源代码而不是Notepad++（我在看普通文件的地方）。所以这正是我的错误，谢谢！