84669인 학습
152542인 학습
20005인 학습
5487인 학습
7821인 학습
359900인 학습
3350인 학습
180660인 학습
48569인 학습
18603인 학습
40936인 학습
1549인 학습
1183인 학습
32909인 학습
0x92 即 10010010,UTF8 中编码一个字符的第一个字节(start byte)只可能是 0xxxxxxx、110xxxxx、1110xxx、11110xxx……而后面的字节只可能是 10xxxxxx。也就是说 0x92 只能作为后面的字节,却出现在了第一个字节的位置。
0x92
10010010
0xxxxxxx
110xxxxx
1110xxx
11110xxx
10xxxxxx
出现这种问题绝大部分情况是因为文件不是 UTF8 编码的(例如,可能是 GBK 编码的),而系统默认采用 UTF8 解码。解决方法是改为对应的解码方式。
极少数情况是因为文件损坏了或者和一部分非 UTF8 编码混在一起,可以修复文件或采用 replace 等方式解码。
replace
Python 2 没有问题是因为 Python 2 默认以字节流(对应 Python 3 的 bytes)的方式读文件,不像 Python 3 默认解码为 unicode,把读文件的方式改为 rb 有同样的效果,不过 Python 3 中处理 bytes 还可能遇到很多问题就是了……
bytes
unicode
rb
0x92
即10010010
,UTF8 中编码一个字符的第一个字节(start byte)只可能是0xxxxxxx
、110xxxxx
、1110xxx
、11110xxx
……而后面的字节只可能是10xxxxxx
。也就是说0x92
只能作为后面的字节,却出现在了第一个字节的位置。出现这种问题绝大部分情况是因为文件不是 UTF8 编码的(例如,可能是 GBK 编码的),而系统默认采用 UTF8 解码。解决方法是改为对应的解码方式。
极少数情况是因为文件损坏了或者和一部分非 UTF8 编码混在一起,可以修复文件或采用
replace
等方式解码。Python 2 没有问题是因为 Python 2 默认以字节流(对应 Python 3 的
bytes
)的方式读文件,不像 Python 3 默认解码为unicode
,把读文件的方式改为rb
有同样的效果,不过 Python 3 中处理bytes
还可能遇到很多问题就是了……