Python轉碼問題的解決方法

2019-11-25 18:45:45

字體：大中小

來源：轉載

供稿：網友

比如，若要將某個String對象s從gbk內碼轉換為UTF-8，可以如下操作
s.decode('gbk').encode('utf-8′)
可是，在實際開發中，我發現，這種辦法經常會出現異常：
UnicodeDecodeError: ‘gbk' codec can't decode bytes in position 30664-30665: illegal multibyte sequence
這是因為遇到了非法字符――尤其是在某些用C/C++編寫的程序中，全角空格往往有多種不同的實現方式，比如/xa3/xa0，或者/xa4/x57，這些字符，看起來都是全角空格，但它們并不是“合法”的全角空格（真正的全角空格是/xa1/xa1），因此在轉碼的過程中出現了異常。
這樣的問題很讓人頭疼，因為只要字符串中出現了一個非法字符，整個字符串――有時候，就是整篇文章――就都無法轉碼。

解決辦法：
s.decode('gbk', ‘ignore').encode('utf-8′)
因為decode的函數原型是decode([encoding], [errors='strict'])，可以用第二個參數控制錯誤處理的策略，默認的參數就是strict，代表遇到非法字符時拋出異常；
如果設置為ignore，則會忽略非法字符；
如果設置為replace，則會用?取代非法字符；
如果設置為xmlcharrefreplace，則使用XML的字符引用。

python文檔

decode( [encoding[, errors]])
Decodes the string using the codec registered for encoding. encoding defaults to the default string encoding. errors may be given to set a different error handling scheme. The default is 'strict', meaning that encoding errors raise UnicodeError. Other possible values are 'ignore', 'replace' and any other name registered via codecs.register_error, see section 4.8.1.

上一篇：python sqlobject(mysql)中文亂碼解決方法

下一篇：Python函數學習筆記