python 乱码,python 编码问题

s.decode(‘gbk’).encode(‘utf-8′) , 在实际开发中,我发现,这种办法经常会出现异常:
UnicodeDecodeError: ‘gbk’ codec can’t decode bytes in position 69316-69317: illegal multibyte sequence

UnicodeDecodeError: ‘utf8’ codec can’t decode byte 0xbb in position 102: invalid start byte

这是因为遇到了非法字符,比如全角空格往往有多种不同的实现方式,\xa3\xa0,或者\xa4\x57,这些字符,看起来都是全角空格,但它们并不是“合法”的全角空格(真正的全角空格是\xa1\xa1),因此在转码的过程中出现了异常。
这样的问题很让人头疼,因为只要字符串中出现了一个非法字符,整个字符串——有时候,就是整篇文章——就都无法转码。

解决办法:
s.decode(‘gbk’, ‘ignore’)
因为decode的函数原型是decode([encoding], [errors=’strict’]),可以用第二个参数控制错误处理的策略,默认的参数就是strict,代表遇到非法字符时抛出异常;
如果设置为ignore,则会忽略非法字符;
如果设置为replace,则会用?取代非法字符;
如果设置为xmlcharrefreplace,则使用XML的字符引用。

    • helo
    • 2013/08/11 3:27下午

    有用问题已经解决了

    • junjielee
    • 2014/09/06 5:50下午

    thanks~~ 原来我就用decode(‘gbk’)就可以了,但是用decode(‘uft-8’)或者是decode(‘uft-8′,’ignore’);utf-8转换中文还是有点问题看来

  1. junjielee :
    thanks~~ 原来我就用decode(‘gbk’)就可以了,但是用decode(‘uft-8’)或者是decode(‘uft-8′,’ignore’);utf-8转换中文还是有点问题看来

  2. sf

  1. 暂无 Trackback

return top