Python转码遇到问题？

Question

比如，若要将某个String对象s从gbk内码转换为UTF-8，可以如下操作 

s.decode('gbk').encode('utf-8′)

可是，在实际开发中发现，这种办法经常会出现异常： 
UnicodeDecodeError: ‘gbk' codec can't decode bytes in position 30664-30665: illegal multibyte sequence 

应该怎么解决？

Answer 1

Python のトランスコーディングで問題がありますか? -PHP 中国語 Web サイト Q&A - Python トランスコーディングで問題が発生しましたか? -PHP中国語サイトQ&A

ぜひ見て学んでください。

Answer 2

这是因为遇到了非法字符——尤其是在某些用C/C++编写的程序中，全角空格往往有多种不同的实现方式，比如\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').encode('utf-8′)

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。