[pyhton踩坑]读取中文txt错误 UnicodeDecodeError: 'gbk' codec can't decode byte 0xab in position 28(后附utf8,gbk以及unicode的解释)

1、读取txt文件时报错：UnicodeDecodeError: 'gbk' codec can't decode byte 0xab in position 28

错误代码：

file=codecs.open(u"大话西游.txt",'r')
content=file.read()

报错信息：

Traceback (most recent call last):
  File "E:/code/yunCode/venv/main.py", line 10, in 
    content=file.read()
UnicodeDecodeError: 'gbk' codec can't decode byte 0xab in position 28: illegal multibyte sequence

解决办法：

1、读取设置为二进制读取

file=codecs.open(u"大话西游.txt",'rb')
content=file.read()

2、读取设置编码为utf-8

file=codecs.open(u"大话西游.txt",'r','utf-8')
content=file.read()

错误原因：

在txt中存储中文时是用的unicode进行编码，再用utf-8编码进行存储的。而现在执行f.read()的时候，没有指定编码的情况下，f.read()文件中有中文了之后就使用了默认的gbk解码，但是因为文件本身是utf8的，所以解码失败。

名词解释

1、 gbk编码

最早用来编码中文的编码，可以表示6000多个中文字符。

2、 unicode标准(编码)

由于中文实在太多了，gbk编码不能满足所有需求，而后各个国家包括中国都做个各种各样的扩充，导致出现多种编码，编码混乱。为了统一标准iso组织发明了unicode,可以用来表示世界上所有的字符。

3、utf8编码

一开始的unicode即是字符集的标准，也是传输的编码，但是后来由于unicode占用三个字节，解析很容易出错，iso组织为了解决这种情形，发明了utf8编码来存储unicode标准的字符。