VSCode调试Python时终端输出中文乱码解决方法2

彻底解决VSCode终端中文乱码:从编码原理到实战配置 字符编码是计算机处理文本信息的基础规则,它定义了字符与二进制数据之间的映射关系。其核心原理在于确保数据写入(编码)与读取(解码)过程使用同一套规则,否则就会产生乱码。在软件开发中,统一的编码标准对保障代码可读性、数据交换正确性至关重要,尤其在国际化协作和跨平台部署场景下。UTF-8作为兼容ASCII、支持全球字符集的现代编码标准,已成为行业主流。然而,在Windows等特定环境中,历史遗留的GBK编码与现代工具链的UTF-8标准常发生冲突,导致终端输出显示异常。本文聚焦VSCode这一主流开发工具,深入分析 阅读详情

问题:

在 VS Code 中调试 Python 代码时,终端显示中文乱码,而在cmd也乱码:

解决:

// 1、文件存储为utf-8格式
// 2、头部增加
# -*- coding: UTF-8 -*- 
// 3、中文字符串前增加u标记
# -*- coding: UTF-8 -*- 

if __name__ == "__main__":
    arr = []
    for i in range(1,5):
        for j in range(1,5):
            for k in range(1,5):
                if(i!=j) and (i!=k) and j!=k:
                    arr.append(i*100+j*10+k)
    print u'共',len(arr),u'个,分别为'
    for n in arr:
        print n

 

VSCode终端中文乱码终极解决方案:从编码原理到工程实践 字符编码是计算机科学中处理文本数据的基础概念,它定义了字符与二进制数据之间的映射规则。其核心原理在于编码(字符转字节)与解码(字节转字符)过程的匹配。统一编码标准对于确保数据在不同系统、工具间正确交换至关重要,尤其在全球化开发和跨平台协作中能避免信息失真。UTF-8作为当前国际通用的可变长编码方案,因其良好的兼容性与跨平台性,已成为Web开发、数据存储和现代IDE的事实标准。在工程实践中,开发环境配置、文件读写、子进程调用等场景的编码不一致是导致乱码的常见原因。本文聚焦于VSCode集成终端中的中文乱码问题 阅读详情

相关推荐

VSCode调试控制台与终端输出切换全攻略:解决乱码问题只需这3步

本文详细解析了VSCode中调试控制台与集成终端的区别,并提供了通过修改launch.json配置文件精准切换输出目标的完整指南。针对常见的输出乱码问题,文章提出了三步解决方案:诊断编码冲突、统一设置为UTF-8编码、以及进行验证与排查,帮助开发者彻底解决编码错配困扰,提升调试效率。

weixin_28836989的博客 306

python更改文编码_VSCODE Python 控制台输出中文乱码,通过修改cmd编码解决

原因Windows 下的 cmd 和 powershell 默认是 GBK 编码显示输出内容, 这导致使用 UTF-8 的 Python 程序中的中文内容(包括注释、文档、和字符串字面量)会以不正确的解码方式输出成乱码内容。解决办法Windows 内置了一个叫 “chcp” 的命令,它可以修改要显示的字符集编码的编号。UTF-8 的编号是 65001,所以启动 cmd 或者 powershell ...

weixin_39966163的博客 631

VSCode插件Code Runner保姆级配置指南:解决中文乱码与终端输入难题

本文详细介绍了VSCode插件Code Runner的配置方法,重点解决中文乱码与终端输入难题。通过启用`Run In Terminal`选项、调整终端编码设置以及高级调优技巧,帮助开发者高效执行代码并避免常见问题。适用于Python、Java等多语言开发环境,提升编码效率与调试体验。

weixin_30425949的博客 878

vscode 控制台 python 输出中文乱码问题(windows 系统)

这几天一直在这个python windows 中文乱码作斗争,心力交瘁…… 我的vscode版本: 1.37.1,python 2.7 在文件位置使用 Git bash here,执行文件没有问题 但是到了vscode中,同样是使用 git bash 却输出乱码,在cmd中也一样。 接着我测试了在python 命令行和git bash中,输出中文,显示却又是正常的: ...

Ray_Huang 2348

彻底解决VSCode中文乱码:从编码原理到终端配置的完整指南

字符编码是计算机存储和处理文本信息的基础,其核心原理在于将字符映射为二进制数据。UTF-8作为国际通用的可变长编码标准,因其兼容ASCII和跨平台特性,已成为现代开发的主流选择。然而,在Windows等特定环境下,系统默认的GBK编码与UTF-8的不匹配,是导致终端显示、文件读写和程序输出中出现中文乱码的根本原因。这一编码冲突在集成开发环境(IDE)如VSCode中尤为突出,其集成终端与底层系统终端的编码设置若未统一至UTF-8,会直接影响开发调试体验。通过系统性地配置终端环境变量(如`PYTHONIOEN

weixin_34006468的博客 489

VScode调试Python代码时解决输出端中文乱码问题

很是不幸,安装完进行调试的,打印出来的中文是乱码,找了很久都找不到对应的解决方案,还po上网寻求帮忙。 感谢得到大佬的回复和帮忙,终于解决这个bug。 这个bug说大说打大不大,说小也小,找起来也真麻烦。 废话不多说,理下我的解决方案。 win10为例 1.在我的电脑(此电脑)右键点击属性 2.找到高级系统设置点击 3.点击环境变量 4. 在系统变量中 新建系统变量,变量名为:PYTHONIOENCODING,值为:UTF8 5.重启vscode即可 感谢各位大佬及大佬po在网上的资源。 ..

weixin_49552989的博客 580

VSCode 下python输出中文乱码问题

在处理这个问题之前,你首先得知道为什么会出现这个这个问题。 你在使用VScode编辑代码时,代码页面中文正常,而终端输出那里中文却为乱码。 出现这个现象的原因是因为编码方式的不同。(VScode的默认编码方式为UTF-8,中国地区下cmd的编码方式GBK) 因为VScode终端那里调用的是cmd,两者编码方式的不同的就导致了中文乱码的问题。 所以我们解决乱码的方式,就是将两者的编码方式统一就行,要么将两者都统一为UTF-8,要么就统一为GBK。(个人建议统一为GBK) 上面讲了这么多,接下来

mahui85的专栏 6473

接上篇,记录一下【Unity 3D对博途PLCSIM的通讯】文章有点长~仔细看,很基础

本文参考链接:西门子PLC丨PROFINET通讯仿真(虚拟通讯)做了一些更详细的优化,本文使用的类库并非原作者使用的类库。 首先,昨天项目已经创建好了,这边也加了一个InputField和一个Button,可以实现简单的读取,ok开始。 放入准备好的通讯类库; 新建一个博途的项目,本次测试使用博途V15,测试环境为虚拟机,Unity运行在本地计算机,建立博途项目流程如下: 新建项目,右键项目-属性-保护-对勾,如图: 不得不说的是,仿真中加密的FB块是无法下载的哦~ 添加CPU...

NS_Speak(IVAV) 8061

怎么解决在VScode里用python输出中文是乱码

最近新电脑重新下了vscode,在装完python环境后,发现用vscode运行print,英文和数字的输出没有问题,但是中文输出是乱码。 解决方法: 打开vscode 文件-首选项-设置 把Run in terminal 勾上 问题解决 ...

qq_42642008的博客 2322

保姆级教程:用ComfyUI+LTX-Video插件,5分钟搞定你的第一个AI视频(RTX 4060实测)

本文提供了一份详细的ComfyUI与LTX-Video插件使用指南,帮助用户在RTX 4060显卡上快速生成AI视频。从环境部署到图形化操作,再到提示词优化和性能调优,全面覆盖AI视频生成的各个环节,让零基础用户也能轻松上手。

weixin_33743661的博客 137

在游戏开发中如何使用Unity3D引擎开发麻将游戏

总体来说使用Unity3D引擎开发麻将游戏需要开发人员熟练掌握Unity3D的各种功能和API,并且需要深入了解麻将游戏的规则和背景,以便实现一个质量高、玩法丰富的游戏。在测试的过程中我们需要检查游戏是否符合规则,保证游戏逻辑的正确性,并检查游戏的UI是否和设计图一致,保证游戏的可玩性。Unity3D引擎是一个高度集成的游戏开发工具,可以为开发人员提供很多强大的工具和功能,包括3D建模、物理模拟、粒子系统、动画等等,在游戏开发中可以提高开发效率和游戏质量。在开始开发之前我们需要明确游戏的需求和功能。

a272857154的专栏 1891

vs code运行python使其在外部终端输出及调试(2021.6.21更新)

用vs code 写python一段时间了,但发现输出只能在内部终端显示输出,运行调试就会报错(这怎么行? 气愤!) 看了好多大佬的文章,无济于事。主要是我菜啊。 正题来了 然后一气之下,直接删除了python文件夹下的.vscode文件夹,主要是为了删除launch.json文件 然后就再新建一个launch.json文件 直接点下面这里就好 然后你会看到这样一个简单的launch.json文件 关键点到了 只需要把最后一行 “console”: “integratedTerminal” 改成这样

wo_jiushi_wo的博客 2万+

VB.net:VB.net编程语言学习之ADO.net基本名称空间与类的简介、案例应用(实现与SQL数据库编程案例)之详细攻略

ADO.net有六个基础名称空间,除此之外,每个新的数据提供程序还可以有自己的名称空间,如Oracle。在.net中就提供了System.Data.OracleClient名称空间(用于Microsoft建立的Oracle数据库提供的程序)ADO.net体系结构的另一个核心元素是.Net数据提供程序(Data Provider),它的组件用于进行数据处理(和DataSet的数据访问功能相对应)。:是ADD.net核心名称空间,它包含所有数据提供程序使用的类,这些类表示表、列、行,还有DataSet类;

头部AI社区如有邀博主AI主题演讲请私信—心比天高,仗剑走天涯,保持热爱,奔赴向梦想!低调,专注,谦虚,自律,反思,成长,还算比较正能量的博主,公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然,有点小情怀,也有点使命感呀 1736

VSCode调试Python时终端输出中文乱码解决方法1

问题: 在 VS Code 中调试 Python 代码时,终端显示中文乱码,而在cmd中直接运行正常: 解决: 菜单Debug->Open Configurations,打开launch.json 增加如下代码 "env":{ "PYTHONIOENCODING":"gbk" } 附: https://blog.youkuaiyun.com/LyqOwen/articl...

冰封的落叶的博客 7964

基于Matlab生成并可视化多架飞机轨迹仿真(附源码)

这使我们可以轻松地对直线和恒定转弯进行建模,并具有额外的自由度,可以在直线段和曲线段之间平滑过渡。同样,空气中的物体会经历重力的影响,遵循抛物线(二次)路径。需要更多的航点来适应这些变化,但是轨迹的其余部分需要更少的点。第三个轨迹,如下所示,代表了一架速度更高的飞机。它由两个恒定的转弯组成,飞机在第二个转弯的中间减速。一旦知道(并设置了)物体穿过空间的物理路径,物体的速度作为行进距离的函数就通过三次埃尔米特插值来确定。在此示例中,学习了内部使用的插值符背后的概念,并展示了如何使用少量航点重现场景。

珞瑜的博客 5465

北斗导航 | SPP、RTK、RTD、PPP-RTK、PPP算法原理,公式及完整matlab代码

开发参考:SPP适合入门学习GNSS定位原理和最小二乘。RTK是工程高精度定位主流方案,但依赖基站。PPP适合无基站区域的广域高精度应用。PPP-RTK是融合两者优点的新一代技术,但系统复杂度最高。· 代码资源:raPPPid(VieVS PPP)是功能完整的MATLAB开源PPP工具箱,支持多系统PPP-AR。MATLAB GPS Toolbox 提供从SPP到PPP的完整功能实现。· 实际应用:农业自动驾驶、无人机航测通常使用网络RTK;大地测量、地壳形变监测常采用PPP事后处理;

尘世冰封的专栏 829

VSCode调试Python时终端输出中文乱码解决方法

我们使用 VS Code 写 Python 代码时,当需要从终端显示或输入中文字符时,发现终端显示中文乱码,比如下面这样的: 这简直是个尴尬的问题,而且这也是个令人非常不爽的问题,查找网友们给出的方法和意见,发现都不能解决终端乱码问题。终于在知乎的一篇文章里找到答案,现在着这里给出来方法:只需要在 launch.json 里增加下面这条语句就能解决。 "env": { ...

LyqOwen的博客 1万+

3dmax文件格式转换——.max 转换为 .flt(解决转换后.flt没有纹理贴图的问题)

本文主要介绍如何在3dmax中将.max格式文件转换为.flt格式文件,并解决转换后的文件没有纹理贴图的问题。 在3dmax中,将.max文件转换为.flt格式,只需导出选择.flt格式即可,但是导出的文件在osgEarth中加载后,缺少纹理和贴图。 下面是解决方案: 1、选中加载的模型,然后点击 渲染-> 渲染到纹理 2、将 渲染到纹理 子窗口往下拉,点击 添加 按钮,添加 ...

cchangcs 6175

python输出中文乱码-解决vscode python print 输出窗口中文乱码的问题

一、搭建 python 环境在 VSC 中点击 F1 键,弹出控制台,输入 ext install界面左侧弹出扩展窗格,输入python,确认,开始搜索下载发布者为Don Jayamanne 的 Python 插件(下载过程中不要切换窗口,不要做其他任何操作,否则会中断下载,下载时间略长,耐心等待)安装完毕“文件”-“首选项”-“用户设置”,打开用户配置文件settings.json,再其中大括号...

weixin_39831902的博客 1463

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

在VSCode中配置Python环境以及可能出现的问题和解决办法

一、下载VSCode和Python     工欲善其事,必先利其器。所以先把我们必备的工具下载好,VSCode这里我就不给下载链接了,去官网直接下,然后安装中文插件就好。Python的下载如图所示 选择适合自己电脑的操作系统 下载想要的python版本,我下载的最新版3.7.3 安装过程记得勾选自动配置环境变量,这样比较方便,最后记住python安装的...

Luminary的技术烟火 3万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

VSCode终端中文乱码怎么办?(编码配置全攻略)

解决VSCode终端中文乱码难题,教你vscode终端显示乱码怎么修改编码。涵盖Windows与Linux系统适用场景,通过设置默认编码为UTF-8、配置shell环境解决乱码问题。方法简单高效,兼容性强,值得收藏。

InstrFun的博客 849

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

VSCode 写python,打印中文输出乱码

print 打印中文出现乱码 python需要用utf-8的编码,但是在VSC里面,UTF-8编码打印中文会出现乱码,如下图所示,在网上找到了很好的解决办法,添加python编码的环境变量即可 解决办法 添加系统全局变量 在高级系统设置里面添加即可 变量名: PYTHONIOENCODING 变量值: UTF8 Tips:最后记得重启一下VSCode,编译代码就可以了! 参考博文链接:https://www.jianshu.com/p/e634bff989f2 你以为大家不努力,其实大家

Kevin_8_Lee的博客 1833

vscode运行python没有输出怎么解决_解决vscode python print 输出窗口中文乱码的问题...

一、搭建 python 环境在 VSC 中点击 F1 键,弹出控制台,输入 ext install界面左侧弹出扩展窗格,输入python,确认,开始搜索下载发布者为Don Jayamanne 的 Python 插件(下载过程中不要切换窗口,不要做其他任何操作,否则会中断下载,下载时间略长,耐心等待)安装完毕“文件”-“首选项”-“用户设置”,打开用户配置文件settings.json,再其中大括号...

weixin_39783633的博客 2174

.sys文件乱码_VScode调试Python代码时解决输出端中文乱码问题

今天在调试代码的时候发现在vscode输出窗口会打印出中文乱码:查了资料,原因是内部编码的问题,网上一般有三种解决方法:增加系统环境变量 这种方法相较于下面两种可以一劳永逸1.配置电脑的系统变量 → 2.新建系统变量,变量名为:PYTHONIOENCODING,值为:UTF8 → 3.重启VScode2. 修改 VSC 配置文件F1 键调出控制台,输入task,选择任务:配置任务...

weixin_32905035的博客 394

[Python][转载][亲测]VSCode中运行python代码控制台输出中文乱码解决方法

一、搭建 python 环境 在 VSC 中点击 F1 键,弹出控制台,输入 ext install 界面左侧弹出扩展窗格,输入python,确认,开始搜索 下载发布者为Don Jayamanne 的 Python 插件 (下载过程中不要切换窗口,不要做其他任何操作,否则会中断下载,下载时间略长,耐心等待) 安装完毕 “文件”-“首选项”-“用户设置”,打开用户配置文件settings.json,再其中大括号内输入计算机中 python.exe 的完整路径(扩展名".exe"可以省略),注意把单

FL1623863129的博客 960
上一篇: VSCode调试Python时终端输出中文乱码解决方法1
下一篇: win10 安装低版本的 .net framework
「已注销」
博客等级 码龄16年 102粉丝 127原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值