无法将文件读取为纯文本答案

【问题标题】：Unable to read file as plain text无法将文件读取为纯文本
【发布时间】：2019-04-12 07:39:09
【问题描述】：

我有一个 powershell 脚本，我试图读入它并对其进行一些分析。我只能将其读取为字节而不是纯文本。

f=open('~/Data/3 - Get-Services - Jobs Version 1.0.ps1','r')
txt=f.read()

当我尝试上面的代码时，我抛出了一个错误。

UnicodeDecodeError: 'utf-8' 编解码器无法在位置解码字节 0xff 0：无效的起始字节

所以，我尝试将其读取为字节，然后将其解码为纯文本，但我仍然抛出错误。

f=open('~/Data/3 - Get-Services - Jobs Version 1.0.ps1','rb')
txt=f.read()
txt.decode('utf-8')

UnicodeDecodeError: 'utf-8' 编解码器无法在位置解码字节 0xff 0：无效的起始字节

我在命令行上查找了数据，发现所有文件都以“��”开头。我觉得这个字符导致了问题，但我不知道如何解决这个问题。

你能帮忙吗

【问题讨论】：

未编码为 utf-8。
否。我说过 UTF-8 不是文件的编码格式。尝试另一种编码。好像是BOM，试试'utf-8-sig'
error UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte的可能重复
嗨，请尝试使用utf-16 进行解码，正如上述副本在答案中所建议的那样。
@YesThatIsMyName，感谢您的回答！将编码类型更改为utf-16 有效！谢谢你！

标签： python python-3.x file

【解决方案1】：

编辑：尽管有四票赞成，但我的猜测是错误。在 UTF-8 编码中，BOM 看起来像 0xEF,0xBB,0xBF，所以第一个字节是 0xEF 而不是 0xFF。

0xFF,0xFE 表示一个 little-endian UTF-16 文件的开始。为此使用utf-16 编码！

我的猜测是开头的两个“未知”字符是Unicode BOM (byte-order mark)。

如果是这种情况，请使用utf-8-sig instead of utf-8 进行解码。无需先读取字节；您可以将encoding 直接传递给open() 函数：

f = open('~/Data/3 - Get-Services - Jobs Version 1.0.ps1', 'r', encoding='utf-8-sig')

【讨论】：

@SridharMurali 那是因为我犯了一个错误，看看我的编辑！

【解决方案2】：

我引用了 error UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte 的 Peter Ogden 的答案（不是公认的答案）。

我在遇到同样的错误时遇到了这个帖子，之后做一些研究我可以确认，这是一个错误，当您尝试使用 UTF-8 解码 UTF-16 文件。

对于 UTF-16，第一个字符（UTF-16 中为 2 个字节）是字节顺序标记（BOM），用作解码提示，不显示为解码字符串中的字符。这意味着第一个字节将是 FE 或 FF，第二个，另一个。

在找到真正答案后进行了大量编辑

因此，更改为 UTF-16 应该可以解决您的问题。

【讨论】：