Unicode文本在MS Word和Python

Question

採取以下Python代碼，從而產生含有一個Unicode字符串的文本文件：

def writefile(): 
    out = u'x \u2208 \u22C3A \u2192 \u2203y(x \u2208 y \u2208 A)' 
    fout = open("output.txt",'w') 
    fout.write(out.encode('UTF-8')) 
    fout.close() 

# The string is: x ∈ ⋃A → ∃y(x ∈ y ∈ A) 

如果我使用重量輕的文本編輯器，如納米（打開這個文件在終端中），TextWrangler或TextEdit，一切看起來都很好，但如果我嘗試通過MS Word打開文件（Word for Mac 2011，v14.3.9），則所有的Unicode字符都會出現亂碼。當打開文件時，Word會拋出一個詢問「將文件轉換爲：」的對話框，但每種可用的轉換方法似乎都會產生亂碼。例如：

x ∈ ⋃A → ∃y(x ∈ y ∈ A) (opening as either UTF-8 or Mac OS (Default)) 
x ∈ ⋃A → ∃y(x ∈ y ∈ A) (opening as MS-DOS Text) 

然而，如果我打開該文件在例如TextWrangler，然後將該字符串複製到剪貼板，然後將其粘貼到MS Word中，它會正確顯示該字符串。所以有兩個問題：

1.）什麼解釋了這種行爲？即Word沒有正確顯示文件的事實，以及在Word中打開文件與從另一個程序將其內容粘貼到Word中的區別。

2.）我該如何編寫一個腳本（例如python），它接受上述utf-8文件並將其轉換爲單詞可以讀取/正確顯示的內容？

Answer 1

1. 這是Microsoft Word的問題。寫入的文件是正確的UTF-8，但Word正在讀取它，就好像它使用Mac Roman編碼一樣。請注意，當您告訴Word使用「Unicode 6.1 UTF-8」導入時，預覽不會更改。

2. 試着寫出它爲UTF-16。我已經檢查過MS Word可以正確讀取一個big-endian的UTF-16文件。我認爲只要將UTF-8更改爲UTF-16應該可以工作，但對於投注結果，您可能需要試驗UTF-15BE和UTF-16LE，並且還可以在開始時寫出BOM（字節順序標記）文件。