必须显式指定 encoding='utf-8',因Python默认用系统编码(如Windows的GBK)写入会导致中文乱码;HTML还需声明,且模板文件本身须存为UTF-8。

写入文件时必须显式指定 encoding='utf-8'
Python 默认用系统编码(Windows 常为 cp936/gbk)打开文件,直接 open(..., 'w').write(html_str) 极大概率导致中文乱码。哪怕 HTML 源字符串本身是 Unicode,不指定编码就写入,str 会被隐式 encode 成错误字节流。
正确做法只有一条:所有 open(..., 'w') 必须带 encoding='utf-8' 参数。
with open('report.html', 'w', encoding='utf-8') as f:- 不能写成
open('report.html', 'w', encoding='gbk')—— 即使源数据是 gbk,也应先 decode 成 str,再统一以 utf-8 写出 - 若用
pathlib.Path.write_text(),同样要传encoding='utf-8'
HTML 文件头部必须声明 <meta charset="UTF-8">
仅 Python 层面写对编码不够。浏览器解析 HTML 时,会优先依据 <meta charset> 或 HTTP Content-Type 头来解码字节流。如果 HTML 文件里没这行,即使你用 utf-8 写入,某些旧浏览器或离线双击打开时仍可能误判为 ANSI 编码。
这个标签必须放在 最靠前位置(最好第一行 meta),且大小写不敏感但值推荐全大写:
立即学习“前端免费学习笔记(深入)”;
- ✅ 正确:
<meta charset="UTF-8"> - ⚠️ 无效:
<meta http-equiv="content-type" content="text/html; charset=gbk">(已过时,且与文件实际编码冲突) - ❌ 错误:
<meta charset="utf8">(缺横杠,部分解析器不认)
用 render_template 时编码由框架自动处理,但模板文件本身要存为 UTF-8
Flask / Bottle / Django 等框架调用 render_template 生成响应时,内部默认按 utf-8 编码输出,并设置 Content-Type: text/html; charset=utf-8 HTTP 头。但前提是你的 .html 模板文件在磁盘上就是 UTF-8 编码保存的。
常见翻车点:
- 用记事本编辑模板后直接保存 → 默认是 ANSI(gbk),不是 UTF-8
- VS Code / PyCharm 未确认右下角显示 “UTF-8”,而是显示 “GBK” 或 “ISO-8859-1”
- Git 提交时因 .gitattributes 缺失,导致换行符和编码被意外转换
验证方式:用 file -i template.html(Linux/macOS)或 PowerShell 的 Get-Content template.html -Encoding UTF8 测试能否无错读取。
从 requests 获取 HTML 后再写入,需先 decode 再 encode
如果源头是 response.content(bytes),不能直接写入文件。必须先识别/声明其原始编码,decode 成 str,再以 utf-8 写出:
- 已知是 utf-8:
html_str = response.content.decode('utf-8') - 不确定编码(如爬虫):
import chardet; enc = chardet.detect(response.content)['encoding']; html_str = response.content.decode(enc or 'utf-8') - 绝对禁止:
open('out.html', 'w').write(response.content)(bytes 直接喂给文本模式 write)
这步漏掉,就会出现“文件明明看着是中文,但浏览器打开全是方块或问号”的典型症状。
写 HTML 文件这件事,编码问题从来不在“怎么生成”,而在于“从哪来”和“往哪去”两个端点是否全程对齐。只要确保源数据 decode 成 str、目标文件 write 时指定 utf-8、HTML 标签里明说 charset=UTF-8,三者缺一不可。



















