Python读取TXT文件方法与编码设置

Python读取TXT文件时频繁出现乱码，根本原因在于未显式指定正确的字符编码——系统默认编码（如Windows下的gbk或cp1252）常与文件实际编码（如UTF-8）不匹配，导致字节解码失败，轻则显示“锟斤拷”，重则抛出UnicodeDecodeError；解决关键在于根据文件来源精准选择encoding参数（如utf-8、gbk或更鲁棒的utf-8-sig），必要时借助chardet库探测编码（但避免在生产环境实时调用），同时结合文件大小与处理需求合理选用read()、readline()或readlines()，让读取既准确又高效。

open() 读取 TXT 文件时乱码，90% 是编码没设对

Python 默认用系统 locale 编码打开文件，Windows 上通常是 cp1252 或 gbk，而多数现代 TXT 是 utf-8。不显式指定 encoding，open() 就可能解错字节，直接报 UnicodeDecodeError 或显示“”“锟斤拷”。

• 记事本另存为时选“UTF-8”（注意不是“UTF-8-BOM”），代码里就该用 encoding='utf-8'
• 旧 Excel 导出或 Windows 自带编辑器生成的文件，大概率是 gbk，得写 encoding='gbk'
• 不确定编码时，先用 chardet 库探测：chardet.detect(open('file.txt', 'rb').read())，但别在生产逻辑里实时调用——慢且不准
• utf-8-sig 可自动跳过 BOM，适合读含 BOM 的 UTF-8 文件，比硬写 utf-8 更鲁棒

read()、readline()、readlines() 用哪个？看内存和行处理需求

三者都依赖 open() 返回的文件对象，但行为差异直接影响性能和适用场景。

• read() 一次性加载全部内容为字符串，适合小文件（
• readline() 每次读一行，返回含换行符的字符串，适合逐行解析、遇到特定标记就中断的逻辑（如读配置头）
• readlines() 返回所有行组成的列表，每行末尾带 \n，看似方便切片，但会把整个文件塞进内存——大文件易 OOM
• 真正处理大文本，推荐用 for line in f: 迭代文件对象，它底层调用 readline()，内存友好且语法干净

r、r+、w、a 这些模式到底改什么？别只背字母

模式决定文件指针位置、是否清空内容、能否读写——和你后续调用 read() 或 write() 是否成功强相关。

• 'r'：只读，文件必须存在，指针在开头；'w'：只写，文件存在则清空，不存在则新建，指针在开头
• 'a'：追加写，指针强制移到末尾，write() 永远加在最后，但 read() 会失败（除非显式加 +）
• 'r+'：可读可写，文件必须存在，指针在开头；写操作从开头覆盖，不会自动换行或保留原内容
• 'w+'：可读可写，但一打开就清空文件，慎用；'a+'：可读可写，写总在末尾，读可以从任意位置开始（需 seek()）

with open() 不只是“习惯”，是防止文件句柄泄漏的关键

不用 with，靠 f.close() 手动关文件，一旦中间抛异常（比如解码失败、磁盘满），close() 就不会执行，文件句柄卡住，多次运行后可能触发 OSError: [Errno 24] Too many open files。

• with open('x.txt', encoding='utf-8') as f: 确保无论是否异常，退出块时自动调用 f.close()
• 别写 f = open(...); ...; f.close()，也别以为 del f 能代替关闭——CPython 可能延迟回收，PyPy 或其他实现更不可靠
• 如果真要手动管理（极少见），至少用 try/finally 包住 close()

文件编码和打开模式是两套独立又交叉的约束，一个设错，另一个再正确也没法读出原文。实际项目里，先确认文件来源（谁生成的、在什么系统上），再定编码；再根据你要干的事（是扫一遍统计，还是边读边改），挑最轻量的读取方式。

到这里，我们也就讲完了《Python读取TXT文件方法与编码设置》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！