UnicodeDecodeError: 当读取的 json 包含中文时，'gbk' 编解码器无法解码字节

Question

我正在从 Python 2 切换到 3

在我的 jupyter 笔记本中，代码是

file = "./data/test.json" 
with open(file) as data_file:    
    data = json.load(data_file)

以前用python 2没问题，但现在切换到python 3后，它给了我错误

UnicodeDecodeError: 'gbk' codec can't decode byte 0xad in position 123: illegal multibyte sequence

该test.json文件是这样的：

[{
    "name": "Daybreakers",
    "detail_url": "http://www.movieinsider.com/m4120/daybreakers/",
    "movie_tt_id": "??"
  }]

如果我把中文删掉，就不会有错误了。

所以我该怎么做？

SO中有很多类似的问题，但我没有找到适合我的案例的好的解决方案。如果你找到一个适用的，请告诉我，我会关闭这个。

非常感谢！

Answer 1

打开文件时需要指定正确的编码。如果 JSON 是用 UTF-8 编码的，你可以这样做：

import json

fname = "test.json" 
with open(fname, encoding='utf-8') as data_file:    
    data = json.load(data_file)

print(data)

输出

[{'name': 'Daybreakers', 'detail_url': 'http://www.movieinsider.com/m4120/daybreakers/', 'movie_tt_id': '??'}]