Jupyter读取JSON文件触发UnicodeDecodeError，求可行编码方案

问题根源 #

你当前代码的错误在于：open()未指定编码，会使用系统默认编码（Windows下为cp1252），而json.load()的encoding参数在Python 3中已废弃，不会生效——实际读取用的是cp1252，而非你预期的utf-8，这才导致解码失败。

修正后的基础代码 #

先在open()时指定编码，而非传给json.load()：

import pandas as pd
import json

with open('recalls.json', encoding='utf-8-sig') as file:
    json_data = json.load(file)

可尝试的编码列表 #

如果utf-8仍报错，按优先级尝试以下编码：

• utf-8-sig：处理带BOM的UTF-8文件，Windows生成的UTF-8文件常带BOM，Chrome可能识别为普通utf-8
• latin-1：单字节编码，能完整读取所有字节，不会报错，读取后可尝试转码为其他编码
• cp1252：系统默认编码，可配合错误处理参数临时读取（如errors='ignore'或errors='replace'）
• utf-16：若文件是双字节UTF-16编码（常见于部分Windows导出文件）
• gbk/gb2312：若文件包含中文，可能是国标编码

进阶尝试代码 #

用latin-1读取后转码 #

with open('recalls.json', encoding='latin-1') as file:
    raw_content = file.read()

# 尝试转utf-8，忽略无法解码的字符
try:
    json_data = json.loads(raw_content.encode('latin-1').decode('utf-8', errors='ignore'))
except:
    # 转cp1252尝试
    json_data = json.loads(raw_content.encode('latin-1').decode('cp1252', errors='ignore'))

直接用pandas读取并转CSV #

更高效的方式是用pandas直接处理，一步完成读取和转CSV：

import pandas as pd

# 尝试指定编码读取JSON
df = pd.read_json('recalls.json', encoding='utf-8-sig')
# 导出为CSV，指定编码避免乱码
df.to_csv('recalls.csv', index=False, encoding='utf-8-sig')

内容的提问来源于stack exchange，提问作者rainbowunicorn