在 Python 3 中读取文件时编码错误？

Question

当我读取 python 中的文件并将其打印到屏幕上时，它无法正确读取某些字符，但是，那些硬编码到变量中的相同字符打印得很好。这是一个示例，其中“test.html”包含文本“Hallå”：

with open('test.html','r') as file:
    Str = file.read()
print(Str)
Str = "Hallå"
print(Str)

这会生成以下输出：

hallÃ¥
Hallå

我的猜测是文件中的数据在读入 Python 时的解释方式有问题，但是我不确定自 Python 3.8 以来它是什么。 5已经默认使用UTF-8编码。

Answer 1

函数 open 不默认使用 UTF-8。正如 the documentation 所说：

In text mode, if encoding is not specified the encoding used is platform dependent: locale.getpreferredencoding(False) is called to get the current locale encoding.

因此，这取决于并且可以肯定的是，您必须自己指定编码。如果文件以 UTF-8 格式保存，您应该这样做：

with open('test.html', 'r', encoding='utf-8') as file:

另一方面，不清楚文件是否以UTF-8编码保存。如果不是，您将不得不选择另一个。

在 Python 3 中读取文件时编码错误？

Wrong encoding when reading file in Python 3?

python

utf-8

python-3.x