在python3中系统默认编码是unicode,读取文件经常会编码错误导致报错。
首先先确认要读取文件的编码，可这样操作：
记事本打开文本文件，点击“文件”-“另存为”查看编码:
如图显示编码就是当前的文件编码，这里是“utf-8”。
2. 要想用指定编码打开，使用codecs模块
安装模块pip命令:
pip install codecs3. 使用codecs模块，例如读取test文件内容并打印：
import codecsf=codecs.open(r"test.txt","r","gbk")
print(f.read())
f.close()
（示例的文件是ANSI所以使用GBK读取）
以上就可以正确读取想要的文件了
在计算机中使用的是二进制，（为什么呢，因为二进制计算简单，可以用电路表示等等很多优点）。但是二进制对阅读和使用是不友好的，因此需要将二进制转换为人类使用的语言，英语，中文等，这就是编码。
最初的编码就是ASCII编码，美国信息交换码。它使用一个字节，8位二进制，可以表示128个符号。常用的1-9,26个字母以及一些英语符号等。
ascii表是不能表示中文的，因此中文也有专门的编码，诸如GB2312，GBK等。其它国家也有类似编码，因此为了方便信息的交流，也就有了统一编码，Unicode，又叫万国码。unicode用0-65535来表示所有字符，Unicode用2-4个字节存储。不同的存储方式，又不同的编码，这就是UTF-8，UTF-16，UTF-32。utf-8根据字符数字的大小，来决定存储字节，存储英文字符时用1个字节，存储汉字时用2个字节。utf-16，两个字节，utf-32，四个字节。
python3 在内存中使用的是Unicode，万国码，默认的编码是utf-8。
chr() ，转换为对应Unicode表字符
ord()，转换为对于Unicode表数字
encode()，编码，将str转换为字节流
decode()，解码，将字节流转换为str
计算机存储数据的格式是二进制，日常和数学中使用的数字是十进制，为了表达简化，因此有了十六进制、八进制。
二进制---->十进制---->八进制---》十六进制
10000001 ---》129 ---》201---》81
从上式可以看出来，进制越大，表达更大数时更简化。
二进制转十进制 ，按权展开相加
十进制转二进制，除基取余
二进制转八进制 ，从右往左，取3位转换为十进制得到即为8进制，不足3位左边补0。
八进制转二进制，每位展开得到3个二进制位
二进制转十六进制，，从右往左，取4位转换为十进制得到即为16进制，不足3位左边补0。
十六进制转二进制，每位展开得到四个二进制位
int() ，
hex()，转换为16进制
bin()，转换为二进制
oct()，转换为八进制
编码
字符串是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。
因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。
由于计算机是美国人发明的，因此，最早只有127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。
Unicode
Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。
Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。
现在，捋一捋ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。
字母A用ASCII编码是十进制的65，二进制的01000001；
字符0用ASCII编码是十进制的48，二进制的00110000，注意字符'0'和整数0是不同的；
汉字已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。
如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。
新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
所以，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：
字符
ASCII
Unicode
UTF-8
A 01000001 00000000 01000001 01000001
中 x 01001110 00101101 11100100 10111000 10101101
从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。
搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式：
在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。
用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：
浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：
所以你看到很多网页的源码上会有类似<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。
Python的字符串
在最新的Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言，例如：
>>>print('包含中文的str')
包含中文的str
对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符：
>>>ord('A')65
>>>ord('中')20013
>>>chr(66)'B'>>>chr(25991)'文'
如果知道字符的整数编码，还可以用十六进制这么写str
'\u4e2d\u6587' // 中文
byte
由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。
Python对bytes类型的数据用带b前缀的单引号或双引号表示：
x = b'ABC'
要注意区分'ABC'和b'ABC'，前者是str，后者虽然内容显示得和前者一样，但bytes的每个字符都只占用一个字节。
以Unicode表示的str通过encode()方法可以编码为指定的bytes，例如：
>>>'ABC'.encode('ascii')
b'ABC'>>>'中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'>>>'中文'.encode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)
纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF-8编码为bytes。含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。
在bytes中，无法显示为ASCII字符的字节，用\x##显示。
反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法：
>>>b'ABC'.decode('ascii')'ABC'>>>b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')'中文'
要计算str包含多少个字符，可以用len()函数
>>>len('ABC')3
>>>len('中文')2
len()函数计算的是str的字符数，如果换成bytes，len()函数就计算字节数
>>>len(b'ABC')3
>>>len(b'\xe4\xb8\xad\xe6\x96\x87')6
>>>len('中文'.encode('utf-8'))6
1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。
在操作字符串时，我们经常遇到str和bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。
Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行
#!/usr/bin/env python3# -*- coding: utf-8 -*-
第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。
格式化：
在Python中，采用的格式化方式和C语言是一致的，用%实现，举例如下：
format % (...params)
>>>'Hello, %s' % 'world''Hello, world'>>>'Hi, %s, you have $%d.' % ('Michael', 1000000)'Hi, Michael, you have $1000000.'
%运算符就是用来格式化字符串的。在字符串内部，%s表示用字符串替换，%d表示用整数替换，%x表示16进制整数，有几个%?占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个%?，括号可以省略。
格式化整数和浮点数还可以指定是否补0和整数与小数的位数：
>>>'%2d-%02d' % (3, 1)' 3-01'>>>'%.2f' % 3.1415926'3.14'
有些时候，字符串里面的%是一个普通字符怎么办？这个时候就需要转义，用%%来表示一个%：
>>>'growth rate: %d %%' % 7'growth rate: 7 %'
