Python中len()获取文本长度返回2n+2值的问题求助

跟着《笨办法学Python》练习时，用len()获取文本文件字符数总是返回2n+2（n为实际字符数），确认文件无多余空行。

示例文件内容：

The poem 
dedicated to Puxijn
The Chonk one

读取后输出的字符显示为：

ÿþT h e   p o e m

 d e d i c a t e d   t o   P u x i j n

 T h e   C h o n k   o n e

怀疑是编码问题，使用最新版Python，求解释原因和解决办法。

测试代码 #

from sys import argv

script, from_file, to_file = argv

# 尝试简化命令，结果同样返回2n+2
trial = open(from_file)
trial_data = trial.read()
print(len(trial_data))
trial.close()

# 定义变量后的实际代码
in_file = open(from_file).read()

input(f"Transfering {len(in_file)} characters from {from_file} to {to_file}, hit RETURN to continue, CRTL-C to abort.")
#'in_data = in_file.read()

out_file = open(to_file, 'w').write(in_file)

原因分析 #

这确实是编码问题，你的文件是用**UTF-16 LE（小端）**编码保存的：

• 开头的ÿþ是UTF-16 LE的BOM（字节顺序标记），占2个字节，对应你看到的2n+2里的+2；
• UTF-16编码中每个ASCII字符都会被存储为2个字节（比如字母T会变成两个字节），所以实际字符数n对应的字节数就是2n，加上BOM的2字节，总长度就是2n+2，和你看到的结果完全匹配。

解决办法 #

读取文件时指定正确的编码即可，把open(from_file)改成open(from_file, encoding='utf-16')，Python会自动处理BOM并正确解析字符：

修改后的核心代码片段：

# 简化测试部分
trial = open(from_file, encoding='utf-16')
trial_data = trial.read()
print(len(trial_data))  # 现在会输出实际字符数
trial.close()

# 实际传输部分
in_file = open(from_file, encoding='utf-16').read()

如果需要将文件转存为更通用的UTF-8编码，写入时也可以指定编码：

out_file = open(to_file, 'w', encoding='utf-8').write(in_file)

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