Как правильно записать UTF-8 BOM в файл через Python

Быстрый ответ

Для сохранения текста в файл в кодировке UTF-8 воспользуйтесь функцией open, установив параметры 'w' и encoding='utf-8':

with open('file.txt', 'w', encoding='utf-8') as f:
    f.write('Некоторый текст с специальными символами: é, ñ, å')

Указанный выше код сохранит в файл file.txt текст в кодировке UTF-8. Если необходимо пометить порядок байтов меткой BOM, используйте кодировку 'utf-8-sig'.

UTF-8 с BOM: не недруг, а союзник

Для создания файла в UTF-8 с BOM следует использовать кодировку 'utf-8-sig':

with open('file_with_bom.txt', 'w', encoding='utf-8-sig') as f:
    f.write('Уверенно с BOM в кармане!')  # С юмором и BOM в своем репертуаре! 😉

Кодировка 'utf-8-sig' автоматически добавит метку BOM, без лишних движений.

Зачем останавливаться на основном?

Определение кодировки файла

В Python нет встроенных функций для определения кодировки файла. Однако можно использовать внешние команды:

import subprocess

result = subprocess.run(['file', '-b', '--mime-encoding', 'file.txt'], stdout=subprocess.PIPE)
encoding = result.stdout.decode('utf-8').strip()
print(f'Кодировка файла: {encoding}, точно как у профи!')

Воспользовавшись модулем subprocess, вы обязательно найдете решение, где бы оно ни скрывалось.

Unicode под маской

Добавить BOM вручную можно следующим образом:

BOM_UNICODE = u'\ufeff'

Или получить его по имени:

import unicodedata

BOM_UNICODE = unicodedata.lookup('ZERO WIDTH NO-BREAK SPACE')  # Вот он, настоящий супергерой BOM 🦸

Объявление кодировки скрипта: важное уточнение

В начале Python-скрипта следует указать объявление кодировки для правильной работы с UTF-8:

# -*- coding: utf-8 -*-

Теперь ни один иероглифический знак не останется неуваженным.

Гигиена кодировки

Используя менеджер контекста with, можно не заботиться о закрытии файла. Но если вы открыли файл с помощью codecs.open или file, обязательно используйте close():

f = codecs.open('file.txt', 'w', 'utf-8')
try:
    f.write('Закрывай за собой двери!')
finally:
    f.close()  # Вежливость – залог хороших отношений с операционной системой 👍

Ваша операционная система отблагодарит вас за освобождение файловых дескрипторов.

Визуализация

Представьте процесс записи в файл как творческий процесс художника:

Палитра (🎨):           Кодировка UTF-8
Холст (📄):              Ваш файл
Шедевр (🖼️):            Текст, который вы в него вносите

Python-код – это инструмент мастера, его кисть:

with open('masterpiece.txt', 'w', encoding='utf-8') as file:
    file.write('Шедевр в текстовом формате готов покорять мир!')  # Задание выполнено, дайте мне мой берет!

И вот перед вами готовое полотно:

📄: Холст, оживленный духом UTF-8!

Обсуждение нестандартных случаев

Простота превыше всего: UTF-8 без BOM

BOM иногда может усложнить жизнь и вызвать проблемы совместимости. Воспользуйтесь простой кодировкой encoding='utf-8':

with open('file_no_bom.txt', 'w', encoding='utf-8') as f:
    f.write('Здеь только UTF-8, BOM здесь не причем.')  # Сюда, только без BOM'ов, пожалуйста! 😅

Ошибка UnicodeDecodeError: под контролем

Ошибка UnicodeDecodeError может возникнуть при путанице между байтами и строками. Всегда убеждайтесь, что кодировка входных данных соответствует выходным данным.

Запись экзотических символов: освоение неизведанных глубин

Python использует Unicode, поэтому не опасается необычных символов. Хотите использовать самые экзотические? Воспользуйтесь Unicode escape-последовательностями или именованными символами:

with open('unicorns.txt', 'w', encoding='utf-8') as f:
    f.write('🦄 можно описать как \U0001F984 или \N{UNICORN FACE}')  # Добавьте еще один мифический символ в свою кодовую коллекцию! 🌈

Полезные материалы

1. Built-in Functions — Python 3.12.2 documentation — Официальная документация функции Python 3 open().
2. Unicode HOWTO — Python 3.12.2 documentation — Руководство по работе с UTF-8.
3. PEP 597 – Add optional EncodingWarning — Планы Python по работе с UTF-8.
4. codecs — String Encoding and Decoding — PyMOTW 3 — Подробное описание преобразования кодировок.
5. The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) — Тест на знания об Unicode, который должен пройти каждый разработчик.