读取中文txt文件时,经常会出现: ‘gbk’ codec can’t decode bytes in position 31023: illegal multibyte sequence。
主要讲一种情况就是文章中含有utf-8或gbk无法编码的字符情况。
原因是含有无法编码的字符,或者是打开的编码不对。
解决方法一:用 utf-8 编码打开 (实际文件的编码方式)
如下: open('d:/data/synopses_list_wiki.txt',encoding='utf-8')
解决方法二:在open中加入errors=‘ignore’ ,忽略它即可
如下:
open('d:/data/synopses_list_wiki.txt',errors='ignore')