面试题：Python中读取文件时常见的编码错误及解决方法

Question

在Python中使用`open()`函数读取文件时，如果编码设置不正确，可能会遇到`UnicodeDecodeError`。请描述几种常见导致该错误的场景，并说明如何解决。例如，在读取一个GBK编码的文件，但代码中设置为`encoding='utf - 8'`的情况。

Answer 1

常见导致UnicodeDecodeError的场景

1. 文件实际编码与指定编码不一致：

   • 如文件是GBK编码，但代码指定encoding='utf - 8'。
   • 解决方法：通过查看文件属性（有些编辑器可直接查看编码格式），或使用一些工具猜测编码，如chardet库。确定正确编码后，将open()函数的encoding参数设置为正确编码，例如open('file.txt', encoding='GBK')。

2. 文件无BOM（字节顺序标记）但误设带BOM编码：

   • 比如文件实际是普通UTF - 8编码（无BOM），但设置encoding='utf - 8 - sig'（带BOM的UTF - 8编码）。
   • 解决方法：将encoding参数改为'utf - 8'。若文件实际是带BOM的UTF - 8编码，而代码未指定'utf - 8 - sig'，则加上'utf - 8 - sig'。

3. 文件编码不标准或损坏：

   • 例如文件在传输过程中部分数据丢失或损坏，导致编码结构不完整。
   • 解决方法：尝试恢复文件数据，如从备份中获取。若无法恢复，可尝试使用不同编码或编码修复工具进行处理，但不一定能完全恢复数据。

4. 二进制文件按文本模式读取：

   • 像图片、音频等二进制文件，使用open()按文本模式读取（如open('image.jpg', 'r')）。
   • 解决方法：按二进制模式读取，即open('image.jpg', 'rb')，并且不设置encoding参数，因为二进制文件没有文本编码概念。