为什么读取包含中文字符的文件时会出现 UnicodeDecodeError？

Question

>>> path = 'name.txt'>>> content = None>>> with open(path, 'r') as file:...     content = file.readlines()... Traceback (most recent call last):  File "<stdin>", line 2, in <module>  File "/mnt/lustre/share/miniconda3/lib/python3.6/encodings/ascii.py", line 26, in decode    return codecs.ascii_decode(input, self.errors)[0]UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 163: ordinal not in range(128)当我运行此代码读取包含中文字符的文件时，出现错误。该文件使用 UTF-8 保存。我的python版本是3.6.5。但它在python2.7中运行正常。

Answer 1

open正在使用 ASCII 编解码器尝试读取文件。解决此问题的最简单方法是指定编码：

with open(path, 'r', encoding='utf-8') as file:

您的语言环境可能应该将首选编码指定为 UTF-8，但我认为这取决于操作系统和语言设置。

Answer 2

Python 2.7 默认将文件读入字节字符串。

Python 3.x 默认将文件读入 Unicode 字符串，因此必须对文件中的字节进行解码。

使用的默认编码因操作系统而异，但可以通过调用来确定locale.getpreferredencoding(False)。这通常utf8在 Linux 系统上，但 Windows 系统返回本地化的 ANSI 编码，例如cp1252美国/西欧 Windows 版本。

在 Python 3 中，为文件指定您期望的编码，以免依赖于特定于语言环境的默认值。例如：

with open(path,'r',encoding='utf8') as f:
    ...

您也可以在 Python 2 中执行此操作，但请使用io.open()，它与 Python 3 兼容，open()并且将读取 Unicode 字符串而不是字节字符串。 io.open()在 Python 3 中也可以使用，以实现可移植性。