init() got an unexpected keyword argument 'encoding'

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.9w累计阅读 1.9w+平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄9年

关注

原创最新推荐文章于 2026-06-28 14:37:31 发布 1.9w 阅读 AI 写同款· GEO 优化 ›

python 专栏收录该内容

¥99.90 ¥299.90

196篇文章

订阅专栏

超级会员免费看

在做自动化测试过程中读取用例测试数据刚好用到py3 问题来啦:

读取xml数据时保报此错误再提示错误的出处时已经告诉了解决办法。。。。。py3与py2之间的差异

注意:

在用python 与表格实现参数化时需把表格格式设置为文本以防报数据需要转换

收录于

当前文章被以下社区和专栏收录：

Flask - 项目学习 - TypeError: __init__() got an unexpected keyword argument 'encoding' 问题表现：可以正常启动框架，但是接口测试时候会返回500错误问题出在eggit内使用了 falsk框架下的json 解决方式：修改eggit内源码，使用json包正常显示 ... 阅读详情

相关推荐

Python TypeError: unexpected keyword argument 错误排查与解决指南

在Python编程中，TypeError是一种常见的异常类型，通常表示函数或方法调用时参数类型不匹配或传递了无效参数。其核心原理在于Python解释器在调用可调用对象时，会检查传入的参数签名是否与定义相符，当出现未声明的关键字参数时便会触发此类错误。理解这一机制对于编写健壮的代码至关重要，尤其是在使用第三方库和进行面向对象设计时。从技术价值角度看，掌握参数传递的匹配规则能有效提升代码的可靠性和可维护性，避免因API变更或人为失误导致的运行时异常。在实际应用场景中，这类错误频繁出现在库版本升级、类继承调用以及

aiqixiao2017的博客 485

json.loads时TypeError: __init__() got an unexpected keyword argument ‘encoding‘ 的解决方案

本文主要介绍了使用json.loads时TypeError: __init__() got an unexpected keyword argument 'encoding’解决方案，希望能对新手有所帮助。不管是使用json.load还是json.loads都会报相同的错误，而且只要是Python版本大于等于3.8，但其实解决方案都是一致的。文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 2万+

python项目报错JSONDecoder.__init__() got an unexpected keyword argument ‘encoding‘问题解决

JSONDecoder.__init__() got an unexpected keyword argument 'encoding'问题解决，涉及到python版本和对应参数不匹配问题

heda3的博客 3007

json Python

json.loads函数只接受一个参数，即要解析的JSON字符串。这个错误通常是因为在调用json.loads函数时传递了一个不支持的参数，即’encoding’。要解决这个问题，我们需要移除传递给json.loads函数的’encoding’参数。在Python中，json.loads函数用于将JSON格式的字符串转换为Python对象。转换为Python对象，并指定了’encoding’参数为’utf-8’。在上面的修正后的代码中，我们移除了’encoding’参数，并成功将JSON字符串。

2301_79366332的博客 400

TypeError: __init__() got an unexpected keyword argument &#34serialized_options &#34

TypeError: __init__() got an unexpected keyword argument 'serialized_options' TypeError: __init__() got an unexpected keyword argument 'serialized_options' 这是由于包版本和python版本不匹配导致的导入哪个包报这个错，就升级那个包，运行语句如下： pip install -U 包名例如：pip install -U onnx 原文链.

jacke121的专栏 7454

S-function入门及案例详解（3）——S-function进阶案例

目录1.案例描述2.案例详解3.输出波形4.对输入参数进行Mask打包 1.案例描述设计一个蹦极系统 h为离地面高度，输入参数为长度、质量、离地面高度。 2.案例详解步骤1.可以修改sfuntmpl函数的名称（这里修改为bengji）,并在括号内增加输入参数参数len,weight,dist分别表示长度、质量、离地面高度；长度用来初始化x0，质量用来初始化m，离地面高度用来初始化h。 function [sys,x0,str,ts,simStateCompliance] = bengji(t,x,u

Wendy的博客 1万+

四、ARDUINO UNO开发板介绍

（一）ARDUINO UNO开发板 Arduino生态中包括多种开发板、模块、扩展板。其中UNO R3是最适合入门且功能齐全使用量最多的Arduino开发板。以下就是Arduino UNO R3开发板的图片。（二）ARDUINO UNO开发板基本构成 Arduino开发板设计得非常简洁，一块AVR单片机、一个晶振或振荡器和一个5V的直流电源。常见的开发板通过一条USB数据线连接计算机。Arduino有各式各样的开发板，其中最通用的是Ardui...

简时刻的博客 7万+

理想汽车智驾方案介绍 4 World model + 强化学习重建自动驾驶交互环境

本帖将以 DrivingSphere 为例来解析这个过程。

地平线开发者 1920

图文带你理解什么是Few-shot Learning

Few-shot Learning（少样本学习）是Meta Learning（元学习）中的一个实例1，所以在了解什么是Few-shot Learning之前有必要对Meta Learning有一个简单的认识。不过在了解什么是Meta Learning之前还是要了解一下什么是Meta。因此，阅读本文后你将对如下知识有一个初步的了解。 What is Meta What is Meta Learning What is Few-shot Learning 1. What is Meta? meta就是描述

Pr4da的博客 1万+

基于matlab版本的三维直流电法反演算法

可以使用RESINVM3D工具包等现成的MATLAB工具进行三维直流电法反演。反演问题求解：基于MATLAB的反演问题求解算法实现和应用，包括反演问题数值模拟、反演问题参数优化和反演问题结果分析。希望这个代码示例能帮助你入门三维直流电法反演。如果有更具体的需求或问题，可以进一步探讨。反演过程中可能需要调整正则化参数和优化算法的设置。需要根据实际问题实现，可能涉及复杂的数值计算。

ytttr873的博客 668

从立创商城到Cadence：手把手教你实现封装格式的精准迁移

本文详细介绍了如何从立创商城获取元器件封装并精准迁移至Cadence Allegro的全流程。通过实战案例MAX31865ATP+T芯片，逐步解析Altium Designer格式转换、Cadence环境配置、封装导入验证等关键步骤，提供常见问题解决方案和效率提升技巧，帮助硬件工程师实现封装格式的高效迁移。

weixin_42519985的博客 214

Cursor使用教程：用 Cursor 创建第一个 Java 项目

Cursor是一款基于VS Code的AI编程编辑器，专为开发者设计。安装前需确保JDK 8+、Maven 3.8+等环境配置，支持Windows系统。编辑器提供中文界面选项，可通过扩展市场安装语言包。创建Java项目支持手动和AI提示词两种方式：手动需创建目录结构并编写代码；AI方式则通过自然语言描述快速生成项目框架和代码。标准Java项目包含src/main/java主代码目录、src/test/java测试目录及pom.xml等配置文件。Maven项目中，pom.xml是核心配置文件，管理项目依赖与构

博客 3547

Python 爬虫实战：付费 IP 代理使用技巧与爬虫稳定性优化

付费IP代理实战指南：突破反爬与优化稳定性本文系统讲解付费IP代理在爬虫项目中的高效应用方法。首先对比分析静态代理、动态代理和隧道代理的优缺点及适用场景，推荐高并发项目优先选择隧道代理。然后详细演示了主流代理服务商的集成方法，包括代理池的自动更新和健康检测机制。核心部分重点介绍了爬虫稳定性优化策略，如智能重试、频率控制和请求间隔优化等关键技术。最后通过压力测试验证优化效果，并提供成本控制方案，包括代理复用、错峰爬取等实用技巧。通过本教程，开发者可有效解决高并发爬虫中的IP封禁问题，显著提升系统稳定性和抗风

2503_91057718的博客 2448

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

上一篇： JSp页面向数据库添加数据一直报索引超出范围

下一篇： TypeError: a bytes-like object is required, not 'str'

Python TypeError: unexpected keyword argument 错误排查与解决指南