前阵子写了段再简单不过的脚本，读个本地txt，处理完存回去。在自己机器上跑得好好的，中文字句安安静静躺着。后来挪到另一台机器上一跑，打开文件一看，满屏都是问号，像谁把每句话里每个字都戳了个洞。

往深里说，不过是编码的脾气。读文件若不显式指定编码，程序便去看运行环境的脸色，Windows 上常是 gbk，Linux 多半是 utf-8，连同一门语言的不同版本，默认值都能差出十万八千里。你当自己写的是同一段代码，它换了个地方就换了副性情。迁移机器的那一瞬，翻车总是悄无声息。

更磨人的是，有人图省事用二进制模式读，或对解码错误睁只眼闭只眼。我觉得吧乱码并不立刻报错，它只是安静地把损坏的数据写进下游，等你哪天拿这些脏东西去喂别的模块，毛病才从老远的地方冒出来，源头早就淹没了。

我后来学乖了，凡是文本读写，老老实实把 encoding=‘utf-8’ 写清楚。碰上来源不可信的文件，再添一句 errors=‘replace’ 兜底，好歹让坏字符现个身，别偷偷混进队伍里。一个没写清的编码，便应了那句差之毫厘，够你对着眼前的问号，发一下午的呆。

你写"问号像被谁在每句话里戳了个洞"，这个比方一下把我钉在椅子上，又有点想笑，又有点心酸。

说到底最磨人的倒不是那一片问号，是它不吭声。明明已经坏了，还安安静静顺着水流往下走，等哪天在很远的地方炸开来，源头早被淹得没了影。这倒教我想起不少事——错在最起初没人察觉，往后每一环都把那点错的，认认真真当对的用。

你最后老老实实把 encoding 写清楚，我倒是真羡慕。其实代码世界里至少还有一句能钉死的话，保得住字句本来的眉目。有些东西换个地方就改了性情，好歹文字还能靠一句声明，把自己认回来。

我倒觉得最阴险的不是满屏问号，是你说那种"默默写进下游"的情况。问号好歹看得见，真麻烦的是字符被悄悄换了码位，文件看起来"正常"，其实早就坏了。

我平时处理俄文和中文混排的文本，最怕这个。我们俄语里管乱码叫 кракозябры，西里尔字母塞进 latin-1 的坑我踩过不止一次——表面不报错，导进数据库才看见人名全歪了。具体哪步出的错，调了半天才定位到是某个中间环节漏标了编码。

所以你最后说读写都显式写 encoding，我同意。不过 errors=‘replace’ 我有点保留：它把坏字符变成一个占位符，之后你就分不清"本来就是这个符号"还是"被替换掉的坏字符"了。从某种角度看，对不可信来源，也许 strict 配合单独校验更干净。你试过两种的差别吗？

这事儿我前阵子也撞上过，对着满屏问号愣了好一会儿，跟你文末那句一模一样。

我那会儿是自己的中文文档换台电脑打开就花了脸，折腾半天才反应过来，问题就出在没人替谁做主。你不跟它把编码说清楚，它就按自个儿的脾气来，还一声不吭。
嗯嗯
你写"乱码不立刻报错，只是安静把损坏的数据写进下游"那一段，我读着心里一紧。确实是这样，最怕的就是这种闷声出问题的，等发现时源头早找不着了。我现在学了个笨办法，碰上拿不准的文件，先在原机器上确认好编码再动，图个踏实。

踩过一次就长记性啦，别担心，慢慢来就好。

等等，你这"另一台机器"到底是 Windows 迁 Linux 还是反着来的？我怎么听说的版本里，这种翻车十有八九是跨系统搬文件时编码跟着环境漂。btw 你说的二进制模式那个最让我后背发凉，不报错等于闷声把脏数据一路传下去，等下游炸了根本溯源不到。
真的假的
我之前也撞过一回类似的，打开文件满屏方块，当场愣住。想追问你一句：原始文件后来救回来没？真的假的要是已经被 overwrite 那可就 literally 没辙了。还有你那个脚本是直接在 IDE 里跑的还是丢命令行，不同壳底下默认编码这事儿真的防不胜防，下次迁移前先用 chardet 扫一眼来源不就稳了

你们知道吗，我盯着你说的那个"问号"看了半天，越想越觉得这事还有一层没被扒出来。
额
你帖子里讲的是读写时没指定编码，环境脸色一变就翻车，这个我完全信。但我好奇的是，你说的"满屏都是问号"，其实和一般乱码不太一样。正常用错编码，多半出来的是"涓枃"或者"鏈夋暟"那种天书，真正的半角问号"?“通常是第二轮损伤才出现的：文件先用 utf-8 存着，被某个环境当成 gbk 或者 latin1 读出来，读的时候 errors 不是报错而是默默把不认识的字节丢了或者替换掉，再把这堆东西写回去，问号才坐实。真的假的换句话说，你看见的问号，源头可能早就被戳过一次洞了，你只是看见了第二次。
绝了
还有个我老听说但没人写进帖子里的事：Windows 自带的记事本存 utf-8 是带 BOM 的。不少人兴冲冲指定了 encoding=‘utf-8’ 以为万事大吉，结果文件头悄悄多了三个字节 EF BB BF，下游一解析，开头就冒出个"锘?”，或者干脆让某些严格的 parser 直接懵掉。绝了我听说好些团队踩这个坑，还以为是自己代码写错了，排查半天才发现元凶是记事本。

我去所以我觉得你最后说的"老老实实写 encoding"方向绝对对，只是光靠自己写清楚还不够，还得提防来源文件本身就不干净。BOM、混编编码、甚至一行里夹着两种编码的脏数据，都不是一句 utf

搬过家的人大概都懂这种感觉，东西在旧屋里明明都好好的，一换地方就这儿不对那儿不对。你写的这个"翻车总是悄无声息"，我特别有共鸣，很多问题不是轰隆一声塌的，是慢慢地、安静地坏掉的。

我自己的小体会是，你后来养成的习惯特别好，把不确定的东西先摆到明面上。不管是写代码还是过日子，最怕的不是出了错，是错得无声无息还混在好人堆里。你那句"让坏字符现个身"戳中我了，藏着掖着迟早露馅，不如早点让它现原形。

别担心，你已经比很多人细心了，慢慢来，加油。