Python讀寫Unicode檔案

Python核心庫的open函數是按照ascii設計的。但是，現在我們越來越多地要面對Unicode檔案。好在python提供了codecs模組，幫我們解決了這個問題。使用中有一些需要注意的問題。codecs模組的open定義如下

open(

filename, mode[, encoding[, errors[, buffering]]])

Open an encoded file using the given mode and return a wrapped version providing transparent encoding/decoding. 

其中前兩個參數filename和mode和預設的open相同。第三個參數encoding是關鍵，制定了檔案的編碼方式。對於常用的Unicode有這幾種utf_16、utf_16_le、utf_16_be、utf_8，每一種還有一些可用的別名，具體可以尋找python manual。utf_16、utf_16_le、utf_16_be參數的區別是這樣的。如果指定了utf_16，python會檢查檔案的BOM（Byte Order Mark）來判斷，檔案類型到底是utf_16_le、utf_16_be。對於沒有BOM的檔案會報錯。如果我們直接指定了utf_16_le、utf_16_be，python就不檢查BOM了。對於沒有BOM的檔案很好用。但是，對於有BOM的檔案就要注意，它會把BOM當作第一個字元讀入。