python3暴力删除html中gbk不可编码字符

苦逼大学僧的日常。。。

狗真是日了我了……
UnicodeEncodeError: ‘gbk’ codec can’t encode character u’\ufeff’ in position 0: illegal multibyte sequence
写个爬虫被这东西折磨了一天。。。不光BOM的feff，还有各种解码不出来的字符，啥玩意都有。。
各种二分找位置（他提示的位置是不准的），看是什么，加判断，最后我崩溃了……
决定把这些解码不出来的字符一一删除
利用输出的提示信息来确定不可见字符，然后将不可见字符删除，重复这个过程
缺点就是会建立一个kill.html的文件以及由于删除了开头的\ufeff所以生成的字符串输出到文件里打开会乱码。。。

import re

def killAnUnseen(s):
    try:
        f = open('kill.html', 'w');
        f.write(s);
        f.close()
    except UnicodeEncodeError as err:
        info = str(err);
        st = re.search('\\\\U[a-f0-9]{8}|\\\\u[a-f0-9]{4}|\\\\x[a-f0-9]{2}', info).group()[2:];
        x = int(st, 16);
        return (s.replace(chr(x), ""), True)
    return s, False

def killUnseen(s):
    while(True):
        s, res = killAnUnseen(s)
        if res == False:
            return s