GBK与UTF-8编码问题(2)

1. 问题现象

  在python代码中，用open函数打开文本文件并显示文本内容，中文显示乱码，代码如下。

from tkinter import *
import tkinter.filedialog

root = Tk()
# 给窗口的可视化起名字
root.title('Open File Test')
 
# 设定窗口的大小(长 * 宽)
root.geometry('640x360')  # 这里的乘是小x

def open_file():
	filename = tkinter.filedialog.askopenfilename()
	if filename != '':
		lb.config(text = "您选择的文件是："+filename)
		txt.delete("1.0","end") #清空文本框
		with open(filename,'r') as rf:
			for line in rf:
				txt.insert("end",line)
	else:
		lb.config(text = "您没有选择任何文件")

lb = Label(root,text = '',bg="LightGray") #width=30, height=1
lb.place(x=100, y=10)

btn = Button(root,text="打开",command=open_file)
btn.place(x=10, y=10)

txt = Text(root, height=10)
txt.place(x=10, y=50)

root.mainloop()

  文本文件内容如下。

  但是显示的时候，中文字符出现乱码。

2. 原因分析

  查了一下，还是跟编码方式有关。在 Python 中，open函数打开文件时如果不指定编码方式，open函数会以默认的编码方式打开文件。open函数默认的编码方式与操作系统有关：
• Windows：默认通常是 ANSI 编码（如 cp1252，取决于系统区域设置）。
• Linux/macOS：默认通常是 UTF-8。
  因此文件的编码方式如果与默认编码方式不同，则可能导致文件读写时出现乱码。

  在 Python 中，可以通过以下代码查看当前环境的默认编码：

import locale
print(locale.getpreferredencoding(False))

  查询本机默认编码方式如下。

  CP936 是一种代码页编码方式，也被称为 “Windows 936” 或 “GBK” 编码。CP936 编码向下兼容 GB2312 字符集。
  再看一下test1.txt文件的编码方式，是utf-8编码方式。编码方式与默认的不同，所以就会出现中文乱码现象。

3. 解决方法

  解决此问题也有两种方法：
（1）为避免兼容性问题，建议在打开文件时明确指定编码，这种方法最常用，也是被推荐使用。 如下，在调用open函数时，指定encoding=‘utf-8’，这时打开文件显示就正常了。

（2）这种方法不改代码，而是将文本文件的编码方式改为GBK编码方式，也就是ANSI编码方式。用Notepad++软件打开文件，点击菜单栏编码，再点击转为UTF-8编码，然后保存即可。

  这时执行最初的程序，中文也能正常显示。但是因为UTF-8可变长度编码，支持全球所有语言，兼容性强，在处理多语言文本或需要跨平台兼容性的场景中，大多数文本都是采用UTF-8编码，所以推荐采用第1种方式处理。