使用GitPython按版本获取二进制文件：Unicode转字节失败

你遇到的问题根源在于 repo.git.show 默认会把 Git 命令的输出当成文本内容解析为 Unicode 字符串，但二进制文件（比如图片）的字节流并不符合 Unicode 编码规则，这就导致字符串中混入了无效的 Unicode 字符，后续尝试转码时自然会触发 UnicodeEncodeError。

下面给你两种可靠的解决方案：

方案一：使用 GitPython 原生 API 直接读取二进制内容（推荐） #

GitPython 提供了更底层的仓库对象操作方法，可以直接获取文件的原始字节流，完全绕开编码问题：

from io import BytesIO
import git

# 初始化仓库
repo = git.Repo('.')
# 获取指定提交的对象
target_commit = repo.commit('4cb2a02')
# 从提交的树结构中找到目标文件（blob 对象）
image_blob = target_commit.tree / 'example.jpg'
# 读取二进制内容并写入 BytesIO
b = BytesIO(image_blob.data_stream.read())

这种方法直接操作 Git 的 blob 对象，是最规范的方式，不会有编码相关的隐患。

方案二：调整 repo.git.show 的编码参数，获取原始字节 #

如果你坚持要用 repo.git.show，可以通过设置 encoding=None 让它返回原始的 bytes 对象，而不是自动解码为 Unicode 字符串：

from io import BytesIO
import git

repo = git.Repo('.')
# 设置 encoding=None，让命令输出直接返回 bytes
raw_bytes = repo.git.show("4cb2a02:example.jpg", encoding=None)
# 直接用 bytes 创建 BytesIO
b = BytesIO(raw_bytes)

这样就能拿到文件的原始二进制内容，不需要再做 encode 操作，自然不会触发编码错误。

为什么你的原代码会报错？ #

repo.git.show 默认会将 Git 命令的输出按系统默认编码解码为 Unicode 字符串，但二进制文件的字节流中存在大量不符合 Unicode 规则的字节，这些字节被错误地解码后会变成无效的 Unicode 代理字符或非法序列，当你尝试用 encode('utf-8') 转换时，Python 无法处理这些无效字符，就会抛出 UnicodeEncodeError。

内容的提问来源于stack exchange，提问作者redimp