【成功解决】Python3：UnicodeDecodeError: ‘gbk‘ && ‘utf-8‘ codec can‘t decode byte 0xxx in position xx

1. 引子：
   在学习NLP for spamClassify中，需要处理很多spam，训练集/测试集= 41278/10320，在读取训练集文件id…txt，遇到过很多这种错误，文件名如下：
   

2. 问题重现：

   for line in open("../spam/train/1..txt", encoding='utf-8'):
       print(line)
       
   for line in open("../spam/train/1..txt", encoding='gbk'):
       print(line)
   

   以上代码都会出现出现报错信息：
   UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb7 in position 8: invalid start byte
UnicodeDecodeError: 'gbk' codec can't decode byte 0xed in position 120: illegal multibyte sequence

3. 原因
   显然就是以utf-8和gbk编码方式打不开这个文本，用vscode打开这个文本发现他的编码是ISO 8859-2（还有一些其他编码的文件也会报错，甚至utf-8、GB2312也会报错），另外关于ISO 8859这个编码可以参考:https://baike.baidu.com/item/ISO8859

4. 解决方法
   使用errors='ignore'参数即可，由于我的数据中含有大量中文，而且我需要提取中文信息，所以使用gbk编码方式

   for line in open("../spam/train/1..txt", encoding='gbk', errors='ignore'):
       if line != "":
           print(line)
   

   输出的部分信息截图如下：(中文正常读取)
   

   码字不易～如有帮助点个赞呗～您的👍是对我最大的支持！
   更多可以参考一下：
   常见编码方式：https://blog.csdn.net/xiongchao2011/article/details/7276834
   Python编码方式：https://www.cnblogs.com/xuchunlin/p/8135613.html