在 Python 3 中读取文件时编码错误？

Question

当我在 python 中读取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，将这些相同的字符硬编码到变量中打印就好了。 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)

这将生成以下输出：

hallå
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，但是我不确定它是什么，因为 Python 3.8.5 默认情况下已经使用 UTF-8 编码。

Answer 1

功能open默认情况下不使用UTF-8。 正如文档所说：

在文本模式下，如果未指定编码，则使用的编码取决于平台： locale.getpreferredencoding(False)以获取当前区域设置编码。

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。