同一文档有几种编码 decode报错解决UnicodeDecodeError: 'gb2312' codec can't decode bytes in position 334489-334490:

用python解码网页内容，从网页源码上看到charset ＝ gb2312，于是节目就用了

decode('gb2312')

结果报错如下，

UnicodeDecodeError: 'gb2312' codec can't decode bytes in position 334489-334490，

又用chardet测了一下该网页的编码，显示为

{'confidence': 0.99, 'encoding': 'GB2312'} ，99%的概率为gb2312。看来上某位在该网页里注入了少量其他编码字符。

遇到此问题的解决方案，就是忽略这些少量字符。

可以在decode()中加入参数。如：

decode('gb2312', 'ignore')

意思上忽略非gb2312编码的字符，这样就不会报错了。其他类似的参数如下：

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?号取代非法字符； 
如果设置为xmlcharrefreplace，则使用XML的字符引用。