Python读取TXT必须显式指定encoding='utf-8'，否则默认系统编码（如Windows的cp936）会导致UnicodeDecodeError；HTML文件头须含<meta charset="utf-8">，且命令行处理前需用tr或dos2unix清理\r。
Python读取TXT时encoding参数必须显式指定为utf-8
不加encoding='utf-8'，Python默认用系统编码（Windows上常是cp936），中文直接报UnicodeDecodeError。哪怕文件看着能打开，输出HTML里也可能出现或乱码。
- 用
open('input.txt', 'r', encoding='utf-8')是底线，别信“我试过不写也能跑”——那是文件恰好用系统编码保存的偶然 - 如果不确定源文件编码，先用
chardet库探测：chardet.detect(open('input.txt','rb').read())，再按实际结果传encoding - 写入HTML时同样要写
encoding='utf-8'，否则浏览器读不到BOM或meta声明时仍可能误判
HTML文件头必须包含<meta charset="utf-8">
只靠Python读写设UTF-8不够。浏览器打开.html文件时，不看Python怎么读的，只看HTML里有没有明确的字符集声明。缺这行，即使内容全是UTF-8字节，Chrome/Firefox也可能回退到ISO-8859-1解析。
- 模板里漏掉这行：
<meta charset="utf-8">，中文就大概率显示为方块或问号 - 不要写
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">——老写法兼容性差，现代标准只认charset属性 - 这行必须放在
<head>内、且越靠前越好，最好紧跟<title>之后
sed/awk命令行转换时需先清理\r再处理编码
Linux/macOS下用sed转TXT，遇到Windows换行符\r\n会把\r当普通字符塞进HTML标签里，导致段落末尾多出空白或换行错位。
- 先运行
tr -d '\r' < input.txt > clean.txt或dos2unix input.txt - 再用
sed '1s/^//; $s/$//; s/^$//; /^$/!s/^/<p>/; /^$/!s/$//' clean.txt > output.html</p> - 如果原始TXT是GBK编码（比如老版记事本保存），不能直接管道进sed——得先转码：
iconv -f GBK -t UTF-8 input.txt | tr -d '\r' | sed ...
Pandoc转换必须配--charset=utf-8且禁用默认模板
很多人用pandoc input.txt -o output.html发现中文变乱码，其实不是Pandoc问题，而是它默认按UTF-8读，但没在输出HTML里写meta声明，且用了带CSS的完整模板，干扰了编码识别。
立即学习“前端免费学习笔记（深入）”；
- 强制输出UTF-8声明：
pandoc --charset=utf-8 --standalone=false input.txt -o output.html -
--standalone=false禁用全页模板，只输出<body>内容，方便你手动套壳——否则生成的HTML里meta位置不可控 - 若源文件非UTF-8，必须前置转码：
iconv -f GBK -t UTF-8 input.txt | pandoc --charset=utf-8 --standalone=false -o output.html
meta声明**和**命令行中对\r的清理**——这两处不处理，前面所有编码设置都白搭。 
