编码处理问题总结：UnicodeDecodeError:'gbk' codec can't decode byte 0xe3: illegal multibyte sequence与读取docx

Caroline ·

更新时间:2024-09-20

· 714 次阅读

在试图打开docx文档内容时，以为可以向读取txt文档一样，于是写下了下面的代码

with open('C:\\Users\\Administrator\\Desktop\\案例二.docx','r')as f:
contents = f.read()
print(contents)

结果遇上报错：UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xe3 in position 55: illegal multibyte sequence

在这里插入图片描述

解决方法一：
一看，编码错误，祖传方法encoding='utf-8‘’百试百灵的修改

with open('C:\\Users\\Administrator\\Desktop\\案例二.docx','r'，encoding='utf-8‘’)as f:
	contents = f.read()
	print(contents)

结果一样报错UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0x87 in position 10: invalid start byte
在这里插入图片描述
我就纳闷了，怎么还有 utf-8都解码不了，utf-8号称‘万国码’’（UTF-8编码：它是一种全国家通过的一种编码，如果网站涉及到多个国家的语言，那么建议选择UTF-8编码。），基本上用上它一切就ok了，怎么还报错。我就打了一个“你好”在里面啊！

但既然是编码错误，就继续。
之后按照这篇文章《UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xe9 in position 7581: illegal multibyte sequence》
一个一个换编码

gbk
gb2312
gb18030
utf-8
utf-16
utf-32
ISO-8859-1

都没有效果，
utf-16:UnicodeDecodeError: ‘utf-16-le’ codec can’t decode bytes in position 92-93: illegal encoding
在这里插入图片描述
ISO-8859-1:UnicodeEncodeError: ‘gbk’ codec can’t encode character ‘\x87’ in position 11: illegal multibyte sequence

在这里插入图片描述

都没有效果
解决方法二：
可能是不认识的编码。于是按照《使用chardet判断编码方式》使用chardet进行编码自动判断并调用

import chardet
def chardets():
	path = 'C:\\Users\\Administrator\\Desktop\\案例二.docx'
	with open(path, 'rb') as f:
    	#print(chardet.detect(f.read())['encoding'])
    	return chardet.detect(f.read())['encoding']
#chardets()
with open('C:\\Users\\Administrator\\Desktop\\案例二.docx','r', 	encoding=chardets())as f:
	contents = f.read()
	print(contents)

然而依然保错：UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xe3 in position 55: illegal multibyte sequence
在这里插入图片描述
看看是什么样的编码这样难以解决

print(chardet.detect(f.read())['encoding'])

在这里插入图片描述
怎么是None呢？

def chardets():
path = 'C:\\Users\\Administrator\\Desktop\\案例二.docx'
with open(path, 'rb') as f:
    print(chardet.detect(f.read()))#chardet.detect()返回的是一个字典，所以之前需要[‘encoding’]获取编码方式
    #return chardet.detect(f.read())['encoding']
chardets()

结果一样是None
在这里插入图片描述
于是我再次尝试了txt文件的读取，结果正常读取

在这里插入图片描述
但是有意思的是，其编码竟然是

{'encoding': 'TIS-620', 'confidence': 0.3598212120361634, 'language': 'Thai'}

这个编码从未见过，于是我想可能是文件中存在异常的编码（之前写入的不是“你好”这两个字符，而是一篇文章）
解决方法三：
编码解决不了，那就解决出现问题的编码，对之进行跳过。
增加errors=‘ignore’

import chardet
def chardets():
path = 'C:\\Users\\Administrator\\Desktop\\案例二.docx'
with open(path, 'rb') as f:
    print(chardet.detect(f.read()))
    return chardet.detect(f.read())['encoding']
#chardets()
with open('C:\\Users\\Administrator\\Desktop\\案例二.docx','r', encoding=chardets(), errors='ignore')as f:
contents = f.read()
print(contents)

结果乱码

原创文章 44获赞 28访问量 5万+ 关注私信展开阅读全文
作者：python__reported