Python中文乱码主因是bytes/str混用、编码声明缺失或解码错误；核心原则是明确源头编码，统一UTF-8解码为str，全程按Unicode操作。
Python 处理中文字符时出乱码，绝大多数情况不是“中文不支持”，而是 bytes 和 str 混用、编码声明缺失或解码方式错误导致的。核心原则只有一条：**明确源头编码，统一用 UTF-8 解码为 str，后续全程按 Unicode 字符串操作。**
Python 2 和 Python 3 的字符串模型根本不同
Python 2 中 str 是字节序列，unicode 才是文本；Python 3 中 str 就是 Unicode 文本，bytes 才是字节。这意味着：
- Python 3 读文件默认用系统 locale 编码（Windows 常是
gbk），不是 UTF-8 —— 这是中文乱码最常见源头 -
str.encode()必须显式指定目标编码（如'utf-8'），不能依赖默认值 -
bytes.decode()必须传入与原始编码一致的参数，否则抛UnicodeDecodeError - Python 2 的
u'中文'写法在 Python 3 中无效且多余
从文件读取中文时必须显式指定 encoding
不加 encoding 参数直接 open()，Python 3 会用 locale.getpreferredencoding()，Windows 下常返回 gbk，而你的文件实际是 UTF-8（带 BOM 或无 BOM），必然报错或乱码。
with open('data.txt', encoding='utf-8') as f:
text = f.read() # 正确：强制按 UTF-8 解码
错误写法（无 encoding）
with open('data.txt') as f:
text = f.read() # 可能乱码，尤其 Windows 下
如果文件是 GBK 编码（如旧版 Windows 记事本保存）：
立即学习“Python免费学习笔记（深入）”；
with open('data.txt', encoding='gbk') as f:
text = f.read()不确定编码？可用 chardet 库探测（仅作参考，不 100% 可靠）：
import chardet
with open('data.txt', 'rb') as f:
raw = f.read()
enc = chardet.detect(raw)['encoding'] # 如 'utf-8' 或 'gb2312'
text = raw.decode(enc)网络请求和终端输出的编码陷阱
HTTP 响应体默认不是 UTF-8：requests.get().text 会根据响应头 Content-Type 中的 charset 自动解码，但若响应头缺失或错误（如只写 text/html 没有 charset=utf-8），requests 会 fallback 到 ISO-8859-1 —— 导致中文全成乱码。
- 安全做法：用
r.content（bytes）手动解码：r.content.decode('utf-8') - 检查响应头：
r.headers.get('content-type')，确认是否有charset - 终端输出乱码？Windows CMD 默认编码是
gbk，但 Python 3.6+ 已自动适配；若仍异常，可临时设环境变量PYTHONIOENCODING=utf-8
JSON 中文不转义和写入文件的细节
用 json.dumps() 处理含中文的字典时，默认会把中文转成 \uXXXX 形式（因为 JSON 标准允许，且兼容性好）。如需可读中文，必须加参数 ensure_ascii=False：
import json
data = {'name': '张三', 'city': '北京'}
s = json.dumps(data, ensure_ascii=False) # 输出 {"name": "张三", "city": "北京"}
# 不加 ensure_ascii=False → {"name": "\u5f20\u4e09", "city": "\u5317\u4eac"}写入 JSON 文件时，同样要指定 encoding='utf-8'，否则 Windows 下可能用 gbk 写入，造成文件本身编码混乱：
with open('output.json', 'w', encoding='utf-8') as f:
json.dump(data, f, ensure_ascii=False, indent=2)真正难的不是“怎么转”，而是判断“当前对象到底是 str 还是 bytes”、以及“它原本用什么编码存的”。一旦混淆这两点，所有转换都是徒劳。建议所有新项目默认用 UTF-8，文件、数据库、网络协议、终端全部对齐，避免中间环节做隐式转换。
