Python读取mvn生成文件时行与硬编码字符串不相等的编码问题求助

问题原因 #

Windows 11下VSCode终端默认可能采用UTF-16LE编码输出重定向文件（CMD/PowerShell部分模式会使用宽字符输出），导致tree.txt实际是UTF-16LE编码而非UTF-8。直接以UTF-8读取时，每个ASCII字符会被解析为原字符加\x00空字节，进而引发字符串对比、正则匹配失败。

解决方案 #

方案1：自动检测编码并转换 #

使用chardet库自动识别文件编码，读取后转成标准UTF-8字符串：

1. 安装依赖库：

pip install chardet

2. 处理代码：

import chardet

with open('tree.txt', 'rb') as f:
    raw_data = f.read()
    # 检测文件编码
    detect_result = chardet.detect(raw_data)
    # 解码后转成UTF-8标准字符串
    content = raw_data.decode(detect_result['encoding']).encode('utf-8').decode('utf-8')

# 逐行匹配目标字符串
target_str = "[INFO] io.jitpack:module2:jar:2.0-SNAPSHOT"
for line in content.splitlines():
    if line.strip() == target_str:
        print("匹配成功")

方案2：直接过滤空字节（应急处理） #

无需第三方库，直接移除所有\x00空字节：

with open('tree.txt', 'r', encoding='utf-8', errors='ignore') as f:
    target_str = "[INFO] io.jitpack:module2:jar:2.0-SNAPSHOT"
    for line in f:
        cleaned_line = line.replace('\x00', '').strip()
        if cleaned_line == target_str:
            print("匹配成功")

方案3：从根源修正输出编码 #

在VSCode终端执行mvn命令前，先设置输出编码为UTF-8：

• PowerShell环境：

$OutputEncoding = [Console]::OutputEncoding = [System.Text.UTF8Encoding]::new()
mvn dependency:tree > tree.txt

• CMD环境：

chcp 65001
mvn dependency:tree > tree.txt

生成的tree.txt会是标准UTF-8编码，直接读取即可正常匹配。

内容的提问来源于stack exchange，提问作者Lilian Shi