前言：
文件打開的原則是“ 以什么編碼格式保存的，就以什么編碼格式打開 ”，我們常見的文件一般是以“ utf-8 ”或“ GBK ”編碼進行保存的，由於編輯器一般設置了默認的保存和打開方式，所以我們在記事本或常見文檔編輯器如Word中不容易看到亂碼的情況發生，但是，當我們要在內存里讀取打開一個文件時，如果文檔編碼方式和計算機內存默認讀取文件的編碼不同，或者我們打開文件時未設置正確的編碼打開規則，則很有可能出現一堆亂碼，無法正常讀取文件內容，影響接下來的工作。
其實，這些情況早就有大佬想到了，所以開發了一個類似機器學習的第三方Python包 ，名為“ chardet ”，通過分析文件的內容，來推斷文檔的編碼格式，然后返回一個報告，提示我們檢測的文檔最有可能的編碼格式和語言。今天我們一起來學習一下，這個很有意思的小技巧。
一、文件打開模式
這里介紹一下待會涉及到的文件打開方式，一個是 “ r ” ,即只讀模式，只對文檔進行讀取，不作修改；另一種是 “ rb ” ,即二進制模式，讀取的文檔以二進制字符串表示（一般文檔、圖片和視音頻等文件為了便於儲存、傳輸的需要，在硬盤上以二進制字符串的形式存在），更直觀的說，就是把文件原封不動的從硬盤里讀出來，不進行解碼，難以閱讀。
二、文件打開方法
文件打開一般會遇到以下兩種情況
1、已知文件保存的編碼格式，則讀取時，指定對應的編碼格式即可正常讀取。
首先我們先新建一個文檔，命名為 “ word1.txt ”,以“ utf-8 ”編碼格式保存，內容如下：
你好，明天！
文件打開一般方法如下：
f = open(file="filename",mode="r",encoding="utf-8") #文件名最好帶后綴，編碼格式按已知的文件編碼填，此處以 utf-8 為例
實例如下：已知一個文件是以 utf-8 編碼的，則打開時的編碼也是 utf-8。
#!-*- coding:utf-8 -*-
f1 = open(file="word1.txt",mode='r',encoding="utf-8") # 打開文件 data = f1.read() # 讀取文件 print(data) # 輸出 ： 你好，明天！ f1.close() # 關閉文件
2、文件保存時的編碼格式未知，打開時無法設置編碼方式，使得讀取亂碼。此時的解決方法有兩種：
（1）一種是不去理會文件的編碼格式，只交給計算機讀取，保存和傳輸（不用給人看），以二進制模式打開，即 mode設為 “ rb ”即可，方法如下：
#!-*- coding:utf-8 -*-
f2= open(file="word1.txt",mode='rb') # 二進制讀取，不指定編碼格式，否則可能報錯
data = f2.read() # 讀取內容
print(data) # 輸出：b'\xe4\xbd\xa0\xe5\xa5\xbd\xef\xbc\x8c\xe6\x98\x8e\xe5\xa4\xa9\xef\xbc\x81'
f2.close() # 關閉文件
（2）另一種則是今天的主角，通過Python第三方包（chardet）幫助我們檢測文件的編碼格式，然后再按正常模式讀取文件，方法如下：
首先確保已經安裝 “chardet”包，若沒有安裝，安裝方法如下(已配置Python環境的情況下，在命令行cmd中輸入以下內容)：
pip3 install chardet # Python2里換成pip
注意，由於在測試時發現，文件內容過少時，檢測結果有較大偏差（word1.txt識別為“ IBM855 ”），所以這里我重新新建一個測試文件 “word2.txt”,保存時的編碼格式為“ utf-8 ”（假設此文件編碼格式未知）,文件內容如下：
你好，明天！
現在，您已經可以向標准輸入和輸出進行讀寫。現在，來看看怎么讀寫實際的數據文件。
Python 提供了必要的函數和方法進行默認情況下的文件基本操作。你可以用 file 對象做大部分的文件操作。
open 函數
你必須先用Python內置的open()函數打開一個文件，創建一個file對象，相關的方法才可以調用它進行讀寫。
測試代碼如下：
#!-*- coding:utf-8 -*-
import chardet f3 = open(file="word2.txt",mode='rb') # 以二進制模式讀取文件
data = f3.read() # 獲取文件內容
print(data) f3.close() # 關閉文件
result = chardet.detect(data) # 檢測文件內容
print(result) # {'encoding': 'utf-8', 'confidence': 0.99, 'language': ''}
檢測結果詳解：
'encoding': 'utf-8' 表示檢測到文件的編碼格式為 “ utf-8 ” 'confidence': 0.99 表示可信度為百分之九十九 'language': '' 表示文件內容的語言，如 “Chinese”、“English”等，經過測試發現，這個參數並不是所有文件都能被檢測出來
此時，我們就可以按照檢測得到的結果，按照已知文件編碼格式的情況，查看文件內容即可。