使用Python编码任意文件类型时文件损坏的相关问题

疑问1：是否应使用utf-8文本编码处理所有文件类型？ #

绝对不行。文件分为文本文件（如.py、.txt）和二进制文件（如.docx、.jpg）两类：

• 文本文件由字符组成，适合用UTF-8这类文本编码读写；
• 二进制文件由原始字节构成（比如图片像素数据、压缩文档的二进制结构），用UTF-8编码读取时，会强行把二进制字节解析成UTF-8字符，这个过程会破坏原始数据，再转成字节写入新文件后，文件必然损坏。

疑问2：有没有适用于所有文件类型的标准文本编码格式？ #

不存在这样的文本编码。因为二进制文件本质不是文本，根本不应该用文本编码处理。正确的做法是对所有文件统一使用二进制模式读写，直接操作原始字节，这样不管是文本还是二进制文件都能完整复制。

修正后的代码 #

def read_files():
    files = ["program.py", "letter.docx", "cat.jpg", "hello_world.py"]
    for file in files:
        # 用二进制模式读取原始字节
        with open(file, "rb") as f:
            file_content = f.read()

        # 拆分文件名和扩展名（兼容文件名含多个点的情况）
        file_name, file_extension = file.rsplit(".", 1)

        # 用二进制模式写入原始字节
        with open(f"{file_name}_converted.{file_extension}", "wb") as f:
            f.write(file_content)

read_files()

代码说明 #

• 使用with语句自动管理文件句柄，避免手动关闭文件的疏漏；
• 用rb（读二进制）和wb（写二进制）模式，直接读写原始字节，不做任何编码转换，保证文件数据完整；
• 用rsplit(".", 1)拆分文件名和扩展名，能正确处理像test.v2.py这类含多个点的文件名。

内容的提问来源于stack exchange，提问作者logan_9997