我有很多的中文样本，在应用jieba中文分词之后，想将分词的结果写入到txt文件中，报了如下错误：UnicodeEncodeError: 'gbk' codec can't encode character '\xa0' in position 143: illegal multibyte sequence
于是开始了漫长的排查错误之旅：
1、我首先查看了我要写入数据的数据类型，为str
2、查看python3本身的编码方式，python3中包含decode和encode两种方式，其中decode是将其他字符转化为unicode中间类型，即：解码，而encode是将unicode类型转化为其他字符类型，即：编码。
3、于是，开始了第一次尝试：将str类型编码为utf-8类型，写入到文档中，事实证明写入是没有问题的，且写入的文件是byte型数据，如下：b'\xe5\xb0\x8a........首先这个不是我们想要的中文，只是unicode类型对象，.其次，当我试图再次读取这个文件的时候，我发现这个不可以被解码，查阅资料之后，发现是如下原因：
u ='中文' #指定字符串类型对象
str = u.encode('utf-8') #以utf-8编码对u进行编码，获得bytes类型对象
str1 = str.decode('utf-8') #如果以utf-8的编码对str进行解码得到的结果，将无法还原原来的字符串内容
也就是当我们对字符串进行编码之后，无法还原成原来的字符串内容，所以解码失败
4、于是尝试先对str进行编码，查看结果：代码如下
for j in a:
j=j.decode('utf-8')
f.write('%s'%j)
报错：AttributeError: 'str' object has no attribute 'decode'。。
查阅资料发现：You are trying to decode an object that is already decoded. You have astr, there is no need to decode from UTF-8 anymore.（意思就是str已经是decode之后的结果，那你还要对decode的结果在次decode，显然会报错！！）
5、继续查阅资料，有位大神指出，是我的pycharm 的File中设置IDE Encoding和Project Encoding和window系统默认的encoding编码方式不一样，即python3默认编码和windows10系统的编码方式不一致，于是统一更改为UTF-8（但是python3不是跨平台的么？这个按理说不应该有什么影响吧，事实也证明改这里并未解决我遇到的错误）
for j in a:
f.write('%s'%j)
f.close()
报错：UnicodeEncodeError: 'gbk' codec can't encode character '\xa0' in position 143: illegal multibyte sequence，百思不得其解，郁闷，，于是又开始了新一轮的查阅资料
6、后来发现，在我打开文件时，没有指定打开文件的编码方式，我打开txt文件的源代码如下：
f=open('E:/Work/data/data.txt','r+')
这里，如果不指定打开方式，window系统默认会以gbk方式打开吧，于是在这里加上指定编码方式：
f=open('E:/Work/data/data.txt','r+',encoding='utf-8')
继续写入文件，success!!ok，困扰了这么久的问题终于解决了。
网友评论