根本原因是字符编码链路断裂，需检查响应头Content-Type是否声明UTF-8，强制response.encoding='utf-8'或用response.content.decode('utf-8-sig')，清除零宽字符、BOM及HTML标签，并确保脚本、终端和文件保存均为UTF-8。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
腾讯混元API返回结果出现中文乱码、方块字、问号或空字符，常见于本地Python脚本调用后打印或保存时文本不可读，根本原因集中在字符编码链路断裂——从API响应头声明、HTTP解码、到Python字符串处理环节任一环未对齐UTF-8都会触发此问题。
检查响应头Content-Type是否声明UTF-8
在requests响应对象中打印response.headers.get('Content-Type')，确认返回值包含charset=utf-8。若缺失或为charset=gbk、iso-8859-1等，说明服务端未正确声明编码，需强制干预解码逻辑。
这一步不能跳过：混元API官方要求响应必须使用UTF-8，但部分代理或中间网关可能篡改Header，导致Python默认按ISO-8859-1解码原始bytes。
强制指定响应内容解码方式
方法一：调用response.content.decode('utf-8')替代response.text
response.text会依据headers自动解码，而response.content是原始字节流。当Content-Type缺失或错误时，直接decode可绕过误判。注意：若实际响应并非UTF-8，此处会抛UnicodeDecodeError，需捕获后尝试utf-8-sig（自动剥离BOM）。
方法二：设置response.encoding = 'utf-8'后再取response.text
在获取response后立即执行response.encoding = 'utf-8'，强制requests后续所有.text访问按UTF-8解析。该操作必须在首次访问response.text前完成，否则无效。
清洗零宽字符与不可见控制符
第一步：用正则清除零宽空格（U+200B）、零宽非连接符（U+200C）、零宽连接符（U+200D）等干扰字符：
【这些字符肉眼不可见，但会破坏JSON解析和终端显示，且混元部分流式响应中偶有插入】
第二步：用re.sub(r'[\u200b-\u200f\u202a-\u202e]', '', clean_text)批量移除
第三步：检查并剔除BOM头（\ufeff），尤其当response.content以\xef\xbb\xbf开头时，直接decode('utf-8-sig')比decode('utf-8')更安全。
验证并剥离HTML标签（如返回含富文本）
有些混元智能体配置了HTML输出模板，返回内容实际是带<p><strong>的HTML片段，而非纯文本。此时直接打印会导致浏览器渲染逻辑错乱，在终端显示为乱码标签。
用html.unescape()还原HTML实体（如&→&），再用正则或bs4提取text：re.sub(r']+>', '', html_str)
若未做此步，response.text看似正常，但写入文件或传给下游NLP模块时会因标签残留引发分词异常或编码报错。
确保Python源文件与终端环境均为UTF-8
第一步：在Python脚本首行添加# -*- coding: utf-8 -*-
第二步：检查终端locale：Linux/macOS运行locale命令，确认LC_ALL或LANG含.UTF-8；Windows用户需在cmd中执行chcp 65001
第三步：保存JSON文件时显式指定encoding='utf-8'：json.dump(data, f, ensure_ascii=False, indent=2)
【ensure_ascii=False不可省略，否则中文会转成\u4f60\u597d形式，不是乱码而是转义，但不符合阅读需求】
