python文本处理核心是明确字符串为unicode、传输为字节，跨平台问题源于默认编码、换行符和bom差异；须显式指定encoding，区分utf-8与utf-8-sig，注意系统locale及终端编码设置。
Python处理文本时，编码与解码的核心是明确“字符串在内存中是Unicode，而文件或网络传输时是字节”，跨平台问题（尤其是Windows与Linux/macOS之间）主要源于默认编码不同、换行符差异和BOM处理不一致。关键不是记住所有编码名，而是建立“源头→字节→目标”的清晰链条。
搞清你的Python版本和系统默认编码
Python 3中，str类型是Unicode字符串，bytes类型是原始字节，这是根本前提。跨平台出错往往始于误以为str就是“能直接写入文件的格式”。运行以下代码快速确认环境：
-
import sys; print(sys.getdefaultencoding()) → 通常是
utf-8（Python 3.7+），但旧版Windows可能显示mbcs（即系统ANSI编码，如GBK） -
import locale; print(locale.getpreferredencoding()) → Windows常为
cp936（GBK），Linux/macOS多为UTF-8 - open('test.txt', 'w').write('你好'); open('test.txt', 'rb').read() → 观察实际写入的字节，验证默认行为
读写文件时必须显式指定encoding参数
不加encoding参数等于依赖系统默认值，这正是跨平台崩坏的起点。尤其注意Windows记事本默认用UTF-8带BOM保存，而Python用utf-8打开会把BOM当成字符；用utf-8-sig则自动剥离BOM。
- 安全写法：with open('data.txt', 'w', encoding='utf-8') as f: f.write('中文')
- 兼容记事本：with open('note.txt', 'r', encoding='utf-8-sig') as f: text = f.read()（自动去BOM）
- 读取旧Windows文件（GBK）：with open('old.txt', 'r', encoding='gbk') as f: text = f.read()
- 避免陷阱：open('x.txt', 'w').write(...)（无encoding）在Linux写UTF-8，在Windows可能写GBK，别人打不开
网络请求和终端输出需单独处理
requests库默认按HTTP头或HTML meta推断编码，但不可靠；终端（cmd/PowerShell/Terminal）的编码设置独立于Python，导致print乱码。
立即学习“Python免费学习笔记（深入）”；
- requests获取网页后，优先用
r.apparent_encoding或r.encoding，再手动decode：r.content.decode('gbk')（如遇到中文网页未声明编码） - Windows命令行显示乱码：在脚本开头加import io; import sys; sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')，或启动时用
chcp 65001 - Linux/macOS终端一般没问题，但若ssh到某服务器显示异常，检查
locale输出是否含UTF-8
调试乱码：三步定位法
看到“”、“锟斤拷”或一串问号？别猜，用字节视角看真相：
- 打印原始字节：print(repr(text.encode('latin-1')))（latin-1可编码任意字节，不会报错）
- 反向验证解码：b'\xe4\xbd\xa0'.decode('utf-8') → '你'，若报错说明字节不是UTF-8
- 查编码表：WHATWG Encoding Standard查常见编码对应关系，比如
\xa3\xa3在GBK里是“你好”，在UTF-8里是非法字节
