Escribiendo en un archivo .txt (UTF-8), python

Question

Quiero guardar la salida (contents) en un archivo (guardándolo en UTF-8). El archivo no se debe sobrescribir, se debe guardar como un archivo nuevo, p. file2.txt Por lo tanto, puño abrir un file.txt, codificarlo en UTF-8, hacer algunas cosas y luego quiero guardarlo en file2.txt en UTF-8. ¿Cómo hago esto?

import codecs 
def openfile(filename): 
    with codecs.open(filename, encoding="UTF-8") as F: 
     contents = F.read() 
     ... 

Answer 1

El camino corto:

file('file2.txt','w').write(file('file.txt').read().encode('utf-8')) 

El largo camino:

data = file('file.txt').read() 
... process data ... 
data = data.encode('utf-8') 
file('file2.txt','w').write(data) 

Y el uso de 'codecs' explícitamente:

codecs.getwriter('utf-8')(file('/tmp/bla3','w')).write(data) 

Answer 2

abrir un segundo archivo. Use contextlib.nested() si es necesario. Use shutil.copyfileobj() para copiar el contenido.

Answer 3

Me gusta separar las preocupaciones en situaciones como esta: creo que realmente hace que el código sea más limpio, más fácil de mantener y puede ser más eficiente.

Aquí tiene 3 inquietudes: leer un archivo UTF-8, procesar las líneas y escribir un archivo UTF-8. Suponiendo que su procesamiento se basa en líneas, esto funciona perfectamente en Python, ya que la apertura e iteración sobre las líneas de un archivo está integrada en el idioma. Además de ser más claro, esto también es más eficiente, ya que le permite procesar archivos enormes que no caben en la memoria. Finalmente, le ofrece una excelente manera de probar su código, ya que el procesamiento está separado del archivo, le permite escribir pruebas unitarias o incluso simplemente ejecutar el código de procesamiento en texto de ejemplo y revisar manualmente el resultado sin manipular los archivos.

Estoy convirtiendo las líneas en mayúsculas a modo de ejemplo, presumiblemente su procesamiento será más interesante. Me gusta usar el rendimiento aquí: facilita el procesamiento para eliminar o insertar líneas adicionales, aunque eso no se está utilizando en mi ejemplo trivial.

def process(lines): 
    for line in lines: 
     yield line.upper() 

with codecs.open(file1, 'r', 'utf-8') as infile: 
    with codecs.open(file2, 'w', 'utf-8') as outfile: 
     for line in process(infile): 
      outfile.write(line)