python轉碼時出現‘illegal multibyte sequen‘錯誤

來源:互聯網
上載者:User

標籤:

在Python中,可以對String調用decode和encode方法來實現轉碼。

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元——尤其是在某些用C/C++編寫的程式中,全形空格往往有多種不同的實現方式,比如\xa3\xa0,或者\xa4\x57,這些 字元,看起來都是全形空格,但它們並不是“合法”的全形空格(真正的全形空格是\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,因為只要字串中出現了一個非法字元,整個字串——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,預設的參數就是strict,代表遇到非法字元時拋出異常; 
如果設定為ignore,則會忽略非法字元; 
如果設定為replace,則會用?取代非法字元; 
如果設定為xmlcharrefreplace,則使用XML的字元引用。 

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.


python轉碼時出現‘illegal multibyte sequen‘錯誤

相關文章

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.