UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe9 in position 15: invalid continuation byte
Fișierul (sau datele) nu e salvat în UTF-8, ci în alt encoding, de obicei unul vechi de Windows (`cp1250`, `latin-1`) sau e un Excel salvat ca CSV. Deschide-l cu encoding-ul corect: `open("fisier.csv", encoding="cp1250")`, sau resalvează-l ca UTF-8.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Un fișier text e de fapt o serie de octeți, iar encoding-ul spune cum se transformă octeții în caractere. În UTF-8, literele cu diacritice ocupă 2 octeți, cu reguli precise. Când citești ca UTF-8 un fișier salvat în alt encoding, de exemplu cp1250 (Windows, Europa Centrală) sau latin-1, o literă precum é sau ă e un singur octet, care nu respectă regulile UTF-8, iar decodarea se oprește.
Mesajul îți spune encoding-ul folosit ('utf-8'), octetul problematic (0xe9), poziția lui în date și motivul (invalid continuation byte, invalid start byte, unexpected end of data). Pe Windows poți vedea și opusul, 'charmap' codec can't decode byte 0x81, când Python folosește implicit encoding-ul sistemului pentru un fișier care e de fapt UTF-8.
De ce apare: cauzele frecvente
1CSV exportat din Excel vechi sau din alt program Windows
with open("clienti.csv", encoding="utf-8") as f:
text = f.read()with open("clienti.csv", encoding="cp1250") as f:
text = f.read()Cu encoding-ul în care a fost salvat fișierul, fiecare octet se transformă în caracterul corect.
2Encoding implicit al sistemului pe Windows
with open("date.txt") as f:
text = f.read()with open("date.txt", encoding="utf-8") as f:
text = f.read()Fără encoding, Windows folosește cp1252/cp1250. Scrie mereu explicit encoding-ul.
3Fișier binar citit ca text
with open("raport.xlsx") as f:
print(f.read())import openpyxl
wb = openpyxl.load_workbook("raport.xlsx")Un .xlsx, .pdf sau o imagine nu sunt text. Folosește o bibliotecă potrivită formatului.
Repară eroarea, direct în pagină
Fișierul meniu.csv e creat de cod în encoding-ul latin-1, apoi citit ca UTF-8, iar programul dă UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe9 .... Citește fișierul cu encoding-ul corect, ca programul să afișeze café espresso: 9 lei și ceai verde: 7 lei.
with open("meniu.csv", "w", encoding="latin-1") as f:
f.write("produs;pret\ncafé espresso;9\nceai verde;7\n")
with open("meniu.csv", encoding="utf-8") as f:
randuri = f.read().splitlines()[1:]
for r in randuri:
produs, pret = r.split(";")
print(f"{produs}: {pret} lei")café espresso: 9 lei ceai verde: 7 lei
Indiciu
Encoding-ul de la citire trebuie să fie același cu cel în care a fost scris fișierul.
Reparația
with open("meniu.csv", "w", encoding="latin-1") as f:
f.write("produs;pret\ncafé espresso;9\nceai verde;7\n")
with open("meniu.csv", encoding="latin-1") as f:
randuri = f.read().splitlines()[1:]
for r in randuri:
produs, pret = r.split(";")
print(f"{produs}: {pret} lei")De ce merge
În latin-1, litera é e salvată ca un singur octet, 0xe9. În UTF-8, acest octet anunță un caracter din mai mulți octeți, iar următorul (un spațiu) nu respectă regulile, de unde invalid continuation byte. Citit cu același encoding cu care a fost scris, fiecare octet devine caracterul corect.
Alte forme ale mesajului
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byteUnicodeDecodeError: 'utf-8' codec can't decode byte 0xe3 in position 4: unexpected end of dataUnicodeDecodeError: 'charmap' codec can't decode byte 0x81 in position 120: character maps to <undefined>UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 3: ordinal not in range(128)
Cum o eviți pe viitor
- Scrie mereu
encoding="utf-8"laopen(), atât la citire, cât și la scriere. - Salvează fișierele CSV din Excel ca „CSV UTF-8”.
- Dacă nu știi encoding-ul unui fișier, încearcă
utf-8, apoicp1250șilatin-1, sau folosește bibliotecacharset-normalizer. - În ultimă instanță,
errors="replace"citește fișierul înlocuind caracterele nedecodabile cu�.
Întrebări frecvente
Ce encoding folosesc pentru fișiere românești vechi?
De obicei cp1250 (Windows Europa Centrală) sau iso-8859-2. Dacă diacriticele apar greșit, dar fără eroare, ai ales un encoding apropiat, dar nu cel corect: încearcă-l pe celălalt.
De ce eroarea apare abia la mijlocul fișierului?
Pentru că primele rânduri conțin doar caractere ASCII (litere fără diacritice, cifre), identice în toate encoding-urile. Decodarea eșuează abia la primul caracter special, la poziția din mesaj.
Erori înrudite
UnicodeEncodeError: 'ascii' codec can't encode character '\u0219' in position 3: ordinal not in range(128) Încerci să transformi în bytes (să scrii, să afișezi sau să trimiți) un text cu diacritice folosind un encoding care nu le are, de obicei ASCII. Folosește UTF-8: `text.encode("utf-8")`, `open(..., encoding="utf-8")` sau setează `PYTHONIOENCODING=utf-8` pentru terminal. TypeError: a bytes-like object is required, not 'str' Amesteci bytes (`b"..."`) cu texte (`str`): de exemplu faci `split(",")` pe date binare, cauți un text într-un bytes sau scrii text într-un fișier deschis cu `"wb"`. Decodează datele cu `.decode("utf-8")` sau lucrează doar cu bytes (`b","`). FileNotFoundError: [Errno 2] No such file or directory: 'date.txt' Python nu găsește fișierul pe care vrei să-l deschizi: numele e scris greșit sau calea e relativă la alt folder decât cel din care rulezi programul. Verifică numele exact (inclusiv extensia) și folderul curent cu `os.getcwd()`, sau construiește calea pornind de la locul scriptului. Învață Python de la zero, cu exerciții la fiecare lecție
Curs Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
