的UnicodeDecodeError與Seek（）和read（）

Question

我在編程的Python下面的示例代碼，以及一些confuses.Here的寫入簡單的字符串到一個文件，然後讀回

>>> data = 'sp\xe4m'         # data to your script 
>>> data, len(data)         # 4 unicode chars, 1 nonascii 
('späm', 4) 
>>> data.encode('utf8'), len(data.encode('utf8')) # bytes written to file 
(b'sp\xc3\xa4m', 5) 
>>> f = open('test', mode='w+', encoding='utf8')  # use text mode, encoded 
>>> f.write(data) 
>>> f.flush() 
>>> f.seek(0); f.read(1)        # ascii bytes work 
's' 
>>> f.seek(2); f.read(1)        # as does 2-byte nonascii 
'ä' 
>>> data[3]           # but offset 3 is not 'm' ! 
'm' 
>>> f.seek(3); f.read(1) 
UnicodeDecodeError: 'utf8' codec can't decode byte 0xa4 in position 0: 
unexpected code byte 

現在的代碼，是什麼讓我感到困惑的是，爲什麼這個UnicodeDecodeError發生在數據字符串是utf8編碼的情況下？手動讀取f.read（）可以正常工作，但當使用seek跳轉並讀取（1）時，會顯示此錯誤。

Answer 1

在文件內尋找會將讀指針移動字節，而不是字符。調用.read()期望能夠讀取整個字符。由於UTF-8對ASCII字符集以外的任何unicode代碼點使用多個字節，因此不能只搜索多字節UTF-8代碼點的中間，並且希望.read()能夠正常工作。

U + 00a4碼點（字形ä）編碼爲兩個字節，C3和A4。在文件中，這意味着現在有5個字節，分別代表s,p，十六進制字節C3和A4，然後是m。

通過尋找位置3，您將文件頭移至A4字節，然後調用.read()失敗，因爲沒有前面的C3字節，沒有足夠的上下文來解碼字符。這引發了UnicodeDecodeError; A4字節是意外的，因爲它不是一個有效的UTF-8序列。

尋求定位，而不是4：

>>> f.seek(3); f.read(1) 
'm' 

更妙的是，千萬不要在周圍UTF-8的數據尋求，或以二進制方式打開該文件，並手動解碼。