編解碼器
在字符與字節之間的轉換過程稱為編解碼，Python自帶了超過100種編解碼器，比如：
- ascii（英文體系）
- gb2312（中文體系）
- utf-8（全球通用）
- latin1
- utf-16
編解碼器一般有多個別名，比如
utf8、utf-8、U8。
這些編解碼器可以傳給open()、str.encode()、bytes.decode()等函數的encoding參數。
UnicodeEncodeError
多數非UTF編解碼器（比如cp437）只能處理Unicode字符的一小部分子集。把字符轉換成字節時，如果目標編碼中沒有定義這個字符，那么就會拋出UnicodeEncodeError異常。
處理方式一：使用utf8編碼。
處理方式二：添加errors參數：
# 忽略 如b'So Paulo'
city.encode("cp437", errors="ignore")
# 替換為? 如b'S?o Paulo'
city.encode("cp437", errors="replace")
# 替換為XML實體 如b'São Paulo'
city.encode("cp437", errors="xmlcharrefreplace")
UnicodeDecodeError
把字節轉換為字符時，遇到無法轉換的字節時會拋出UnicodeDecodeError異常。這是因為不是每個字節都包含有效的ASCII字符，也不是每個字符都是有效的UTF-8。
處理方式也有兩種，跟上面一樣。
SyntaxError
Python3默認使用UTF-8編碼源碼。如果加載的.py模塊中包含UTF-8之外的數據，而且沒有聲明編碼，就會拋出SyntaxError異常。
處理方式是在文件頂部添加coding注釋：
# coding: cp1252
但是這個辦法並不好，最好還是找到這些報錯字符，把它們轉換為UTF-8。
從網上直接復制代碼到IDE中執行經常會報這個錯。
處理文本文件
Unicode三明治：
在程序中盡量少接觸二進制，把字節解碼為字符，只處理字符串對象。比如在Django中，view應該輸出Unicode字符串，Django會負責把響應數據編碼成字節序列，而且默認使用UTF-8編碼。
Python內置的open函數就是采用了這個原則，在讀取文件時會做必要的解碼，以文本模式寫入文件時會做必要的編碼。
文件亂碼
Windows更容易遇到這個問題，因為Windows並不是統一的UTF-8編碼，比如在Windows10中：
>>> open("cafe.txt", "w", encoding="utf8").write("café")
4
>>> open("cafe.txt").read()
'caf茅'
寫入文件時指定了utf8，但是讀取文件沒有指定，Python就會使用系統默認編碼：
>>> import locale
# 打開文件用這個
# 如果沒有設置PYTHONENCODING環境變量，sys.stdout/stdin/stderr也用這個
>>> locale.getpreferredencoding()
'cp936'
cp936把最后一個字節解碼成了茅而不是é。
>>> import sys # 二進制數據和字符串之間轉換用這個 >>> sys.getdefaultencoding() 'utf-8'>>> import sys # 文件名（不是文件內容）用這個 >>> sys.getfilesystemencoding() 'utf-8'
GNU/Linux或Mac OS X不會遇到這個問題，因為多年來它們的默認編碼都是UTF-8。
解決辦法是一定不能依賴系統默認編碼，打開文件時始終應該明確傳入encoding=參數，因為不同的設備使用的默認編碼可能不同，有時隔一天也會發生變化。
小結
本文介紹了Python的編解碼器，以及可能出現的UnicodeEncodeError、UnicodeDecodeError、SyntaxError問題，然后給出了Python的open函數處理文本文件的原則，最后對Windows容易出現的文件亂碼問題進行了說明。
參考資料：
《流暢的Python》