Python读取含字符串与字节的文件时解码错误，求原样读取方法

嘿，这个场景我太熟了！当文件里同时混着可读文本和原始字节数据时，用Python默认的文本模式读取肯定会触发解码错误——因为它会强制把所有内容都当成Unicode字符串来解析，碰到编码表中没有对应字符的字节就直接崩溃。针对你的问题，这里有两个实用的解决方案：

方案1：二进制模式读取（推荐） #

直接以二进制模式打开文件，这样就能原样获取文件的所有原始字节，完全跳过自动解码的步骤，从根源上避免UnicodeDecodeError。

示例代码：

# 用"rb"模式打开文件（r=读取，b=二进制）
with open("your_file_path", "rb") as f:
    raw_content = f.read()

拿到raw_content（一个bytes对象）后，你可以自己控制后续的处理逻辑：

• 如果你要按照"0xFD"分割，记得用字节串b"0xFD"作为分隔符：

  for segment in raw_content.split(b"0xFD"):
      # 根据需求处理每个片段：
      # 尝试解码成字符串（如果片段是文本）
      try:
          text = segment.decode("utf-8")
          print(f"文本片段：{text}")
      # 解码失败则保留原始字节（如果片段是二进制数据）
      except UnicodeDecodeError:
          print(f"原始字节片段：{segment}")
  

这种方式完全保留了文件的原始内容，让你灵活处理文本和字节混合的场景。

方案2：文本模式下忽略解码错误（适合仅关注文本内容） #

如果你主要关心文件中的文本部分，对无法解码的字节可以容忍丢失或替换，可以在打开文件时指定errors参数：

• errors="ignore"：直接跳过无法解码的字节
• errors="replace"：把无法解码的字节替换成�符号

示例代码：

# 忽略解码错误，读取文本内容
with open("your_file_path", "r", encoding="utf-8", errors="ignore") as f:
    content = f.read()

不过要注意，这种方式会丢失原始字节的信息，适合你不需要保留二进制数据的场景。

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