我试图让一个Python 3程序对一个充满信息的文本文件做一些操作。然而，当我试图读取文件时，我得到以下错误:
Traceback (most recent call last):
File "SCRIPT LOCATION", line NUMBER, in <module>
text = file.read()
File "C:\Python31\lib\encodings\cp1252.py", line 23, in decode
return codecs.charmap_decode(input,self.errors,decoding_table)[0]
UnicodeDecodeError: 'charmap' codec can't decode byte 0x90 in position 2907500: character maps to `<undefined>`
当前回答
def read_files(file_path):
with open(file_path, encoding='utf8') as f:
text = f.read()
return text
或(和)
def read_files(text, file_path):
with open(file_path, 'rb') as f:
f.write(text.encode('utf8', 'ignore'))
其他回答
TLDR: Try: file = open(filename, encoding='cp437')
为什么?当某人使用:
file = open(filename)
text = file.read()
Python假定该文件使用与当前环境相同的代码页(如果是开始的帖子，则为cp1252)，并尝试将其解码为其自己的默认UTF-8。如果文件包含未在此代码页中定义的值的字符(如0x90)，则得到UnicodeDecodeError。有时我们不知道文件的编码，有时文件的编码可能没有被Python处理(例如cp790)，有时文件可以包含混合编码。
如果不需要这些字符，可以决定用问号替换它们，如下所示:
file = open(filename, errors='replace')
另一个解决方法是使用:
file = open(filename, errors='ignore')
字符将保持完整，但其他错误也将被掩盖。
一个很好的解决方案是指定编码，但不是任何编码(如cp1252)，而是定义了所有字符的编码(如cp437):
file = open(filename, encoding='cp437')
代码页437是原始的DOS编码。所有的代码都被定义，所以在读取文件时没有错误，没有错误被掩盖，字符被保留(不是完全完整，但仍然可以区分)。
或者，如果你不需要解码文件，比如将文件上传到网站，可以使用:
open(filename, 'rb')
r =读数，b =二进制
在应用建议的解决方案之前，可以检查文件(以及错误日志)中出现的Unicode字符是什么，在本例中是0x90: https://unicodelookup.com/#0x90/1(或通过搜索0x0090直接访问Unicode Consortium网站http://www.unicode.org/charts/)
然后考虑将其从文件中删除。
作为@LennartRegebro回答的延伸:
如果你不知道你的文件使用的是什么编码，上面的解决方案也不起作用(不是utf8)，你发现自己只是在猜测——有一些在线工具可以用来识别那是什么编码。它们并不完美，但通常都能正常工作。在你弄清楚编码之后，你应该能够使用上面的解决方案。
编辑:(摘自评论)
一个非常流行的文本编辑器Sublime text有一个命令来显示编码，如果它已设置…
进入视图->显示控制台(或Ctrl+ ')
在底部view.encoding()输入字段，并希望最好的(我无法得到任何东西，但未定义，但也许你会有更好的运气…)
def read_files(file_path):
with open(file_path, encoding='utf8') as f:
text = f.read()
return text
或(和)
def read_files(text, file_path):
with open(file_path, 'rb') as f:
f.write(text.encode('utf8', 'ignore'))
