异常处理： UnicodeDecodeError: 'utf-8' codec can't

ubuntu下Python3使用 open('filename', 'r').read()读取 .txt 文件时抛出异常:

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x92 in position 66: invalid start byte

在windows下是没有问题的。

0x92 即 10010010，UTF8 中编码一个字符的第一个字节（start byte）只可能是 0xxxxxxx、110xxxxx、1110xxx、11110xxx……而后面的字节只可能是 10xxxxxx。也就是说 0x92 只能作为后面的字节，却出现在了第一个字节的位置。

出现这种问题绝大部分情况是因为文件不是 UTF8 编码的（例如，可能是 GBK 编码的），而系统默认采用 UTF8 解码。解决方法是改为对应的解码方式。

极少数情况是因为文件损坏了或者和一部分非 UTF8 编码混在一起，可以修复文件或采用 replace 等方式解码。

Python 2 没有问题是因为 Python 2 默认以字节流（对应 Python 3 的 bytes）的方式读文件，不像 Python 3 默认解码为 unicode，把读文件的方式改为 rb 有同样的效果，不过 Python 3 中处理 bytes 还可能遇到很多问题就是了……

修改方法：

open('filename', encoding='gbk', mode='r').read()

就不会报错了。