关于python内open函数encoding编码问题

我在学python的open函数时，发现在pycharm里新建一个file_name.txt文本文件，输入中文保存。再用open（file_name，'r+'）打开，再去读写时出现了一些问题。利用Notepad和EditPlus进行多轮控制变量测试后，总结如下：

1、当原文件为utf8编码格式，且不包含中文，则对其进行读操作，正常；对其进行写操作（非中文），正常，文件编码格式不变；
当写入中文字符时，文件编码格式变为gbk，此时pycharm中的文件会将你输入的中文显示为16进制数，并会提示你用gbk编码reload文件。
2、当原文件为utf8编码格式，若包含中文，此时对其进行读操作，则可能报错UnicodeDecodeError，也可能不报错。是否报错跟中文内容有关。
写入中文情况与1相同。

如，新建一个文件file4.txt，里面写入"你好"两个汉字，然后去读它：

结果为：

为什么是 " 浣 犲 ソ " 这三个陌生的玩意呢？查看“你好”的utf8编码16进制表示：

再查看这三个字符的GBK编码16进制表示：

瞬间明白了：open函数用GBK解码了被UTF-8编码的file4文件。前者用两个字节表示一个汉字而后者用三个。

把“你好”换成“中国”再试一次：报错了！

因为“中国”的编码前两个字节E4B8根本就没有对应的GBK编码字符。

open的encoding默认为'gbk'，可将其改为'utf-8'.

改后也可能会出错！

如：file4输入中英混合的，hello中国

再对其进行覆盖写：

其utf8 16进制表示为：

68 65 6C 6C 6F     E4 B8 AD    E5 9B BD
覆盖写入"天青色"后：

E5 A4 A9  E9 9D 92  E8 89 B2  9B BD

还剩个9BBD找不到对应的字符，自然就报错了：

完。

补充点编码知识：

Unicode编码其实只是个编号，把全球的字符用唯一的16进制编号表示出来，最多可表示1114111个，即10FFFF。他没有规定具体怎么存储到计算机硬盘中。而UTF-8就是具体编码的体现。

如:“汉”字的Unicode编码是0x6C49。0x6C49在0x0800-0xFFFF之间， 使用3字节模板: 1110xxxx 10xxxxxx10xxxxx。将0x6C49写成二进制是: 0110 1100 0100 1001，用这个比特流依次代替模板中的x,得到:

11100110 10110001 10001001, 即E6 B1 89。