Python 中的 Encoding 含义详解

什么是 Encoding？

在 Python 中，encoding（编码）是指将字符串（文本）转换为字节（bytes）或将字节还原为字符串的规则。 不同的编码方式（如 UTF-8、GBK、ASCII 等）决定了计算机如何存储和传输文本数据。

如果编码与解码使用的方式不一致，就会出现“乱码”或 UnicodeDecodeError 错误。

常见编码类型

• UTF-8：最通用的 Unicode 编码，支持全球所有语言，推荐在 Web 和跨平台项目中使用。
• GBK / GB2312：中文 Windows 系统常用编码，主要用于简体中文。
• ASCII：仅支持英文字符（0–127），不支持中文等非拉丁字符。
• Latin-1 (ISO-8859-1)：西欧语言编码，不兼容中文。

Python 中的编码操作

字符串（str）与字节（bytes）之间的转换：

# 字符串 → 字节（编码）
text = "你好，世界！"
b = text.encode('utf-8')
print(b)  # b'\xe4\xbd\xa0\xe5\xa5\xbd\xef\xbc\x8c\xe4\xb8\x96\xe7\x95\x8c\xef\xbc\x81'

# 字节 → 字符串（解码）
decoded = b.decode('utf-8')
print(decoded)  # 你好，世界！

文件读写中的 encoding

读取或写入文件时，务必指定正确的编码：

# 正确指定编码（推荐）
with open('example.txt', 'r', encoding='utf-8') as f:
    content = f.read()

# 写入文件
with open('output.txt', 'w', encoding='utf-8') as f:
    f.write("Hello, 世界!")

如果不指定 encoding，Python 会使用系统默认编码（如 Windows 可能是 GBK），容易导致跨平台乱码。

常见错误与解决方法

• UnicodeDecodeError：尝试用错误编码解码字节。解决：确认源文件真实编码，使用正确 encoding 参数。
• 中文显示为乱码：通常是因为读取时未指定 UTF-8 或使用了错误编码。
• 建议：始终在 open() 中显式指定 encoding='utf-8'。

小测试：你的文件是什么编码？

点击下方按钮，查看一段模拟检测逻辑（控制台输出）：