一、韩文乱码的根源：编码与解码的错位

韩文（한국어）作为表音文字，其计算机存储依赖于特定的字符编码方案。当Python程序在处理韩文时出现乱码，本质上是编码（Encoding）与解码（Decoding）过程使用了不匹配的字符集标准。

1.1 编码体系差异

• UTF-8：现代Python程序默认使用的Unicode编码，可兼容全球所有语言字符，包括韩文。每个韩文字符通常占用3字节。
• EUC-KR：韩国传统编码标准，仅支持韩文和基本拉丁字符，每个韩文字符占用2字节。
• CP949：Windows系统下EUC-KR的扩展实现，增加部分特殊符号支持。

当程序以UTF-8编码存储韩文，但尝试用EUC-KR解码时，就会产生类似”�쩍쨰儈”的乱码；反之亦然。

1.2 常见触发场景

• 文件读写未指定编码
• 网络请求未设置字符集
• 数据库连接未配置字符集
• 终端环境不支持Unicode显示

二、文件处理中的韩文乱码解决方案

2.1 文本文件读写规范

# 正确写入韩文文件（UTF-8）
with open('korean.txt', 'w', encoding='utf-8') as f:
    f.write('안녕하세요! 这是韩文测试')
# 正确读取韩文文件
with open('korean.txt', 'r', encoding='utf-8') as f:
    content = f.read()
    print(content)  # 正常输出：안녕하세요! 这是韩文测试

关键点：

1. 始终显式指定encoding参数
2. 推荐统一使用UTF-8编码
3. 避免使用系统默认编码（通过locale.getpreferredencoding()查看）

2.2 二进制模式处理

当需要处理非UTF-8编码文件时：

# 读取EUC-KR编码文件
with open('legacy_korean.txt', 'rb') as f:
    raw_data = f.read()
    text = raw_data.decode('euc-kr')  # 显式解码

三、网络通信中的韩文处理

3.1 HTTP请求与响应

import requests
# 发送GET请求并正确处理响应编码
response = requests.get('https://example.com/korean')
response.encoding = 'utf-8'  # 显式设置编码
print(response.text)
# POST请求发送韩文数据
data = {'message': '안녕하세요'}
headers = {'Content-Type': 'application/json; charset=utf-8'}
requests.post('https://example.com/api', json=data, headers=headers)

注意事项：

1. 检查服务器返回的Content-Type头中的charset
2. 手动设置response.encoding覆盖自动检测
3. 使用JSON格式传输时确保指定UTF-8编码

3.2 Web框架配置

以Flask为例：

from flask import Flask
app = Flask(__name__)
app.config['JSON_AS_ASCII'] = False  # 允许JSON输出非ASCII字符
@app.route('/korean')
def korean():
    return {'message': '안녕하세요'}

四、数据库操作中的韩文存储

4.1 MySQL配置

import pymysql
# 创建连接时指定字符集
conn = pymysql.connect(
    host='localhost',
    user='user',
    password='pass',
    database='db',
    charset='utf8mb4'  # 必须使用utf8mb4而非utf8
)
cursor = conn.cursor()
cursor.execute("INSERT INTO messages VALUES ('안녕하세요')")

关键配置：

1. 数据库/表/字段字符集设为utf8mb4
2. 连接字符串指定charset=utf8mb4
3. 避免使用utf8（MySQL中的utf8仅支持3字节字符）

4.2 MongoDB操作

from pymongo import MongoClient
client = MongoClient('mongodb://localhost:27017/')
db = client['korean_db']
db['messages'].insert_one({'content': '안녕하세요'})  # MongoDB默认UTF-8

五、终端显示问题解决

5.1 Windows终端配置

1. 执行chcp 65001切换到UTF-8代码页
2. 在PyCharm等IDE中：
   • File → Settings → Editor → File Encodings
   • 设置为Global: UTF-8, Project: UTF-8, Default encoding for properties: UTF-8

5.2 Linux/Mac终端检查

# 检查当前locale设置
locale
# 临时设置为UTF-8
export LANG=en_US.UTF-8
export LC_ALL=en_US.UTF-8

六、高级调试技巧

6.1 编码检测工具

import chardet
def detect_encoding(file_path):
    with open(file_path, 'rb') as f:
        raw_data = f.read()
    return chardet.detect(raw_data)
result = detect_encoding('unknown.txt')
print(f"检测到编码: {result['encoding']}, 置信度: {result['confidence']}")

6.2 编码转换函数

def convert_encoding(text, from_enc, to_enc='utf-8'):
    try:
        return text.encode(from_enc).decode(to_enc)
    except UnicodeError:
        return None
# 示例：EUC-KR转UTF-8
korean_text = convert_encoding('가나다', 'euc-kr')

七、最佳实践总结

1. 统一编码标准：项目内所有文件、通信、存储统一使用UTF-8
2. 显式声明编码：避免依赖系统默认设置
3. 分层处理：
   • 输入层：检测并转换编码
   • 处理层：使用Unicode内部表示
   • 输出层：按目标环境编码
4. 错误处理：

   try:
    with open('file.txt', 'r', encoding='utf-8') as f:
        content = f.read()
   except UnicodeDecodeError:
    # 尝试备用编码
    with open('file.txt', 'r', encoding='euc-kr') as f:
        content = f.read()

通过系统掌握字符编码原理，结合具体场景的编码配置方法，开发者可以彻底解决Python处理韩文时的乱码问题。关键在于理解编码转换的每个环节，并在代码中显式控制所有字符处理流程。