Python 如果将seek（）搜索到多字节UTF-8字符的中间并调用read（1），会发生什么情况？

在Python 3中，

read

（size）包含以下文档：

作为单个

str

从流中读取并返回最大大小的字符。如果大小为负数或

None

，则读取直到EOF

---

但假设您将

seek（）

添加到多字节UTF-8字符的中间。

read（1）

返回什么？

Python 3中的文本流不支持任意搜索偏移量，您只应该使用偏移量0，或者使用

返回的值告诉
使用
搜索集的
从哪里来。其他一切都是未定义或不受支持的行为。看

当然，在实践中，您可能会得到
UnicodeDecodeError
，但这不是保证。一旦您违反API合同要求，它就可以做任何它想做的事情。
Python 3中的文本流不支持任意搜索偏移量，您只能使用偏移量0，或者使用
seek\u SET
的
tell
返回的值。其他一切都是未定义或不受支持的行为。看

当然，在实践中，您可能会得到
UnicodeDecodeError
，但这不是保证。一旦您违反API合同要求，它可以做任何它想做的事。
部分unicode字符无法解码，因此python将引发
UnicodeDecodeError
。但你可以从问题中恢复过来。UTF-8编码是自愈的，这意味着字符序列的第一个字节（0x00-0x7f或0xc0-0xfd）将不会出现在任何其他字节中，因此您只需继续向后搜索1个字节，直到解码工作

>>> def read_unicode(fp, position, count):
...     while position >= 0:
...         fp.seek(position)
...         try:
...             return fp.read(count)
...         except UnicodeDecodeError:
...             position -= 1
...     raise UnicodeDecodeError("File not decodable")
... 
>>> open('test.txt', 'w', encoding='utf-8').write("学"*10000)
10000
>>> f=open('test.txt', 'r', encoding='utf-8')
>>> f.seek(32)
32
>>> f.read(1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.4/codecs.py", line 319, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa6 in position 0: invalid start byte
>>> read_unicode(f, 32, 1)
'学'

def read_unicode（fp、位置、计数）：
...     当位置>=0时：
...         fp.seek（位置）
...         尝试：
...             返回fp.read（计数）
...         除UNICEDECODEERROR外：
...             位置-=1
...     引发UnicodeDecodeError（“文件不可解码”）
... 
>>>打开（'test.txt'，'w'，encoding='utf-8'）。写入（'学"*10000)
10000
>>>f=open（'test.txt'，'r'，encoding='utf-8'）
>>>f.seek（32）
32
>>>f.read（1）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/usr/lib/python3.4/codecs.py”，第319行，解码中
（结果，消耗）=自身缓冲区解码（数据，自身错误，最终）
UnicodeDecodeError:“utf-8”编解码器无法解码位置0中的字节0xa6:无效的开始字节
>>>读取unicode（f，32，1）
'学'
部分unicode字符无法解码，因此python将引发
UnicodeDecodeError
。但您可以从问题中恢复。UTF-8编码是为自愈而构建的，这意味着字符序列的第一个字节（0x00-0x7f或0xc0-0xfd）不会出现在任何其他字节中，因此您只需继续向后搜索1个字节，直到解码工作

>>> def read_unicode(fp, position, count):
...     while position >= 0:
...         fp.seek(position)
...         try:
...             return fp.read(count)
...         except UnicodeDecodeError:
...             position -= 1
...     raise UnicodeDecodeError("File not decodable")
... 
>>> open('test.txt', 'w', encoding='utf-8').write("学"*10000)
10000
>>> f=open('test.txt', 'r', encoding='utf-8')
>>> f.seek(32)
32
>>> f.read(1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.4/codecs.py", line 319, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa6 in position 0: invalid start byte
>>> read_unicode(f, 32, 1)
'学'

def read_unicode（fp、位置、计数）：
…当位置>=0时：
…fp.seek（位置）
……试试看：
…返回fp.read（计数）
…UnicodeDecodeError除外：
…位置-=1
…引发UnicodeDecodeError（“文件不可解码”）
... 
>>>打开（'test.txt'，'w'，encoding='utf-8'）。写入（'学"*10000)
10000
>>>f=open（'test.txt'，'r'，encoding='utf-8'）
>>>f.seek（32）
32
>>>f.read（1）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/usr/lib/python3.4/codecs.py”，第319行，解码中
（结果，消耗）=自身缓冲区解码（数据，自身错误，最终）
UnicodeDecodeError:“utf-8”编解码器无法解码位置0中的字节0xa6:无效的开始字节
>>>读取unicode（f，32，1）
'学'