运行interlinearize.py处理EPUB时遇UnicodeDecodeError求助

问题本质 #

你碰到的'charmap'编解码器无法解码字节0x9d错误，是因为代码默认用系统本地编码（比如Windows的GBK）读取epub内部的UTF-8编码文件，导致无法识别特殊字符。你之前加的encode='utf-8'方向错了——要在读取文件时指定解码编码，不是输出编码。

具体解决办法 #

1. 强制指定文件读取编码 #

找到interlinearize项目里读取epub内部文本（比如.xhtml/.html文件）的代码，把open()调用改成明确指定UTF-8编码：

# 原读取代码（类似这样）
with open(target_file, 'r') as f:
    content = f.read()

# 修改后的代码
with open(target_file, 'r', encoding='utf-8', errors='replace') as f:
    content = f.read()

要是还报错，换成encoding='utf-8-sig'试试——部分文件开头带BOM标记，这个编码能自动处理。

2. 自动检测文件编码（更稳妥） #

如果不确定epub内部文件的编码，用chardet库自动检测后读取：

• 先安装依赖：pip install chardet
• 修改读取逻辑：

import chardet

# 先以二进制模式读取文件内容
with open(target_file, 'rb') as f:
    raw_bytes = f.read()
    # 检测编码
    detected_codec = chardet.detect(raw_bytes)['encoding']
    # 兜底用UTF-8防止检测失败
    final_codec = detected_codec or 'utf-8'
    # 解码内容，无法识别的字符替换成占位符
    content = raw_bytes.decode(final_codec, errors='replace')

3. 预处理epub文件（无需改代码） #

不想碰代码的话，手动转存epub内部文件的编码：

• 把.epub后缀改成.zip，解压到文件夹
• 找到报错位置对应的.xhtml/.html文件，用VS Code打开，右下角点击当前编码（比如GBK），选择"UTF-8"后保存
• 把文件夹内容重新压缩成.zip，再改回.epub后缀，重新用interlinearize处理

额外提示 #

epub里的HTML文件通常会在<meta charset="utf-8">标签里声明编码，如果代码是靠解析这个标签获取编码，检查下是否有解析逻辑错误导致没拿到正确编码。

内容的提问来源于stack exchange，提问作者TouChla