Python 3：读取UCS-2（BE）文件

Question

在使用Python 3.3的内置open()函数（堆栈跟踪显示UnicodeDecodeError并包含我的readLine()方法）时，我似乎无法解码UCS-2 BE文件（旧版本的东西）-实际上，我找不到指定此编码的标志。

我使用Windows 8，在终端中设置代码页为65001，使用'Lucida Console'字体。

我猜代码片段不会有太大帮助：

def display_resource():
    f = open(r'D:\workspace\resources\JP.res', encoding=<??tried_several??>)
    while True:
        line = f.readline()
        if len(line) == 0:
            break

感谢任何对此问题的见解。

- elder elder

Answer 1

UCS-2 是 UTF-16, 无论任何情况下，对于在其被称为 UCS-2 时被分配的任何代码点。

使用encoding='utf16'打开它。如果没有 BOM（字节顺序标记，即起始处的 2 个字节，对于 BE（大端）来说是 \xfe\xff），则使用encoding='utf_16_be'强制指定字节顺序。

- Martijn Pieters

---

你好Martijn，我也认为UTF16应该可以工作（基于你提供的同一篇文章）。它确实可以工作，但是，就像utf_16_be一样，对于所有日语字母，我在屏幕上得到的都是相同的字符 - 例如“ブラウザー”变成了一堆相同的“无法阅读”的字符（方块）。我应该再次区分两者 - 读取行和打印行。这也是终端的限制吗？如果读取正常，并且我可以使用字符串，那么我可以将它们写回另一个UCS2文件并在启用UCS2的编辑器中获得“正确”的输出吗？ - elder elder

这是终端的限制，恐怕无法更改。您的字体不支持这些字符；您需要找到一个支持它们的不同字体。仅因为终端无法显示它们并不意味着数据本身已经损坏，所以如果您在写入文件时重新编码为UTF-16，则可以使用其他工具再次打开它。 - Martijn Pieters

只是想补充一下，我发现了 Lucida Console 的另一个限制，也许将来会有所帮助：当显示日语、中文、阿拉伯、俄罗斯、罗马尼亚字符时，它有时会重复一行中的最后几个字符 - 有时只是换行符，有时多达7-8个字符。这种行为似乎是随机的。将这些行写入文件后，它们将以正确的方式显示出来（在我的情况下使用适当的编码 - UTF16）。 - elder elder

@elderelder：这很可能是Windows控制台或字体的问题。 - Martijn Pieters