UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xff in position 41: invalid start byte

一、遇到报错

笔者在进行代码复现的时候，在数据读取时遇到报错：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 41: invalid start byte

报错原因：查阅资料，这句话的意思是遇到了utf-8无法解码的字节。

最可能的情况是：出现了错误数据，导致解码出错。需要查看自己的数据中是否存在错误文件。

二、错误分析与解决

摆出代码：

song_path = os.path.join(AUDIO_FOLDER, str(int(song_id)) + SOUND_EXTENSION)
# print(song_path)
audio_file = tf.io.read_file(song_path)
waveforms, _ = tf.audio.decode_wav(contents=audio_file)  # 报错代码

根据报错信息显示：waveforms, _ = tf.audio.decode_wav(contents=audio_file)这句出错。
因此从该行代码往上进行错误排查：

• 定位到audio_file

• 定位到song_path

• 此时，不妨将song_path打印出来：print(song_path)

• 观察打印结果。如下图所示，当打印到10.wav时就停止打印并报错了，因此排查10.wav文件。
  
  原来，此处的10.wav文件当初是手动从10.mp3经过修改后缀得来的，这种方式使得文件出错，此时没有办法被正确读取。因此，笔者通过librosa+soundfile用4行代码，重新根据10.mp3生成了10.wav文件。

  想知道如何将MP3文件修改为wav文件的，可以查看笔者之前的文章《librosa实现音频格式转换（单曲&批量） | MP3转wav》

  在此，我们要在此强调一次，wav文件不要通过修改后缀的形式生成！虽然很方便，但是后续程序读取的时候很可能会出错。而且，通过librosa+soundfile，以代码的形式进行格式更改很方便速度也很快，生成的文件也不会出错，它不香嘛！

• 修改后，重新运行代码。
  可以看到，print语句顺利地打印出了后面的wav信息，并且不再报错。说明报错确实是因为10.wav存在文件错误。
  

debug小技巧：善用print。
根据print打印的信息可以帮助我们更好地看到程序执行的过程，从而与我们期望的结果进行比对，发现错误。

（本文完）

---

参考：UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xff in position 0: invalid start byte