文件编码格式问题

问题描述：

打开某CPP文件时，发现常用的GBK,UTF8都会报错

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xbb in position 932: invalid start byte

UnicodeDecodeError: 'gbk' codec can't decode byte 0xbd in position 1277: illegal multibyte sequence

 

查阅后发现，编码数量：

GB 18030 > GBK > GB2312

UnicodeDecodeError: 'gb18030' codec can't decode byte 0xbd in position 1277: illegal multibyte sequence

依旧报错

解决过程：

遭到报错代码段：

if(pSdmcMsg == NULL)
	{
		return RL_FAILED;
	}

并非中文，但是把这句话删除再重新输入，就不会报错。

尝试使用ASCII方法打开，惯例报错

UnicodeDecodeError: 'ascii' codec can't decode byte 0xbb in position 932: ordinal not in range(128)

通过open方式直接查看encoding的属性值：

发现encoding 为cp936，使用这个编码方式再打开：

UnicodeDecodeError: 'gbk' codec can't decode byte 0xbd in position 1277: illegal multibyte sequence

 好嘛，又变成gbk报错了。

尝试使用python的包 chardet:

import chardet 
f = open('tt.cpp','rb')
print(chardet.detect(f.readline()))
f.close()

{'encoding': 'ascii', 'confidence': 1.0, 'language': ''}

发现windows默认打开的方式是ascii，又转回去了。

最后找到常见的编码格式，抽奖尝试

with open('tt.cpp','r+',encoding='ISO-8859-1') as f:
    for i in f.readlines():
        print(i)

行了，不报错了。找到编码格式 ISO-8859-1

但是代码内的中文注释是乱码。

 结果：

使用这个编码格式虽然还是会让中文注释是乱码，但是其他的部分都没问题，而且不会再报错。

逃避可耻，但有用。