Python入门第10篇（编码）

前言

编码存在于所有文件，比较常见的ASCII、utf8、gbk等。最常用的还是utf8编码。

在编码领域，也会涉及到代码文件，那么也会涉及编码问题，今天就这一问题进行介绍。

一、编码是什么？

编码就是特定字符的集合，是用于显示特点的字符。比如ASCII只能显示256个字符，utf8则可以表示各种符号多种语言的文字，具有更好的包容性。

二、Python中编码

1.读取文件引发的问题

一般读取文件内容，我们这么写代码就可以了

with open("./.env", "r",encoding="utf-8") as f:print(f.read())

如上代码，是直接读取环境变量文件，并且设置了编码为utf8，这里如果编码不匹配，就会报错：

UnicodeDecodeError: 'gbk' codec can't decode byte 0x95 in position 8: illegal multibyte sequence

因为读取文件内容的时候，有些中文在不同编码格式下编码信息是不一样的，就会导致报错。

由于一般用的都是utf8编码，那我们平时都用utf8编码，这种出错的情况也会很少。

但是随着Python开发接触的越来越多，你一定会用到很多其他的包，这个时候可能就会出意外了。比如某个包提供一个读取配置文件的方法，你感觉应该没问题，结果执行的时候就报错了，然后翻到包里的代码去看，结果，我的天，它咋不设置编码格式！！！

with open(str(template_file), "r") as f:template = f.read()

一开始我就直接把人家包的代码给改了，加了encoding参数，问题暂时是解决了，但是会后患无穷，包不得更新，一个更新又出问题了，你如果都忘了这事，那真是神不知鬼不觉的。

2.其实是Windows的问题

经过一系列了解，原来这个问题主要出在Windows系统。自从Python3开始，Python的默认编码就是utf8了，这个在Linux、Mac系统下都没问题的。唯独在Windows下有问题，简单说在Windows下Python获取当前编码，还和操作系统编码、区域啥的有关系了

3.试着改改问题

读取文件其实是一个解码的过程，根据提示通过gbk无法解码某个字符，说明当前读取文件用的是gbk编码，但是gbk解码出错，说明读取的文件编码不是gbk，看了下文件编码确实不是gbk，而是utf8。为啥会这样，一会我们说。我们先看咋解决

结合如上分析，一个办法就是我们把文件编码也改为gbk，应该就可以了呗。改了果然可以。

就当我以为要大功告成的时候，突然想起来，Linux一直没这种编码问题的，于是决定用相同代码和相同的文件（修改编码为gbk）在Linux环境测试。

哇咔咔，果断报错。UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb2 in position 0: invalid start byte

通过上面的分析经验，我们知道Linux默认是用的utf8解码，但是我们的文件却改为了gbk编码，那不报错才怪呢

看来，我这个改法是不行的，不能Windows改好了，结果Linux废了。

还得找路子

这里顺便说下Windows下为啥文件编码默认就是utf8，但是默认解码却是gbk。

文件是我们新建的，和Python本身是没关系的，而文件新建其实我们一般在开发环境下操作，比如我用的就是VSCode，这些开发工具其实默认编码已经设置为了utf8，这也就是为啥文件编码默认是utf8的原因。

而解码是要Python代码来实现，而默认解码同样是Python底层控制的，开发环境在python底层之上，是无法反向干预的。而默认解码在Windows下和操作系统编码、区域（或根据操作系统语言匹配一个编码，gbk就是我们国家的编码）相关的。

4.各种骚操作

问题没解决，只能各种问AI、问度娘了

1）设置PYTHONIOENCODING环境变量————————————没卵用

2）locale.setlocale(locale.LC_ALL, ".UTF-8")——————————没卵用

3）_locale._getdefaultlocale = (lambda *args: ['en_US', 'utf8'])——没卵用

default_encoding = locale.getpreferredencoding()
print("当前环境的默认编码是:", default_encoding)

如上代码可以查看当前环境的默认编码，但是经过如上设置，这个默认编码还是cp936，其实就是gbk，cp936是Windows操作系统内部编码叫法，可见很大概率和操作系统有关系

4）sys.setdefaultencoding('utf-8')——————————————没卵用，还报错

这玩意其实是Python2中才有的，Python3默认编码就是utf8，这玩意取消了，所以在搜索信息的时候还要明确是Python3

5）指定sys.flags.utf8_mode————————————————没卵用，还报错

sys.flags.utf8_mode是只读属性无法设置

5.终极解决

好奇会害死猫

好奇也会让我都不想去吃饭，不想出去遛弯，只为找到真理

终于找到两个个靠谱的

1）设置环境变量PYTHONUTF8=1

测试no problem。

2）重写open，从而给open加了encoding参数

original_open = __builtins__.open
def uopen(*args, **kwargs):if "b" not in (args[1] if len(args) >= 2 else kwargs.get("mode", "")):kwargs.setdefault("encoding", "UTF-8")return original_open(*args, **kwargs)
__builtins__.open = uopen 如上代码干啥用的，使用了python的哪些技术点

测试同样ok

附上参考链接：1. 命令行和环境 — Python 3.12.3 文档https://docs.python.org/3/using/cmdline.html#envvar-PYTHONUTF8

3）命令行运行增加-X utf8参数

运行py命令：python xx.py，注意是在python和xx.py之间增加

完整命令：python -X utf8 xx.py

测试可用，不过仅限于命令窗口，PyCharm中可以设置运行的时候增加这个脚本，不过我用的CSCode，参考链接：Python open 默认编码修改_python open utf8-CSDN博客https://blog.csdn.net/linuxweiyh/article/details/124538216