Python中转码错误遇到 illegal multibyte sequence

当调用如下语句:

re_data = re_data.decode('gbk') #re_data 是#-*- coding: cp936 -*-类型字符串,即gbk编码

如果字符串中有非法字符,有时会报错,抛出如下异常:

'gbk' codec can't decode bytes in position 19566-19567: illegal multibyte sequence


解决思路,把相应的非法字符删掉。一个字符串中可能会多次遇到非法字符,所以用了递归。如下为转码函数:


def transformCodec(re_data):#ascii (gbk) 转 unicode
    try:
        re_data = re_data.decode('gbk')
    except Exception as error:
        print error
        print 'delete illegal string,try again...'
        
        pos = re.findall(r'decodebytesinposition([\d]+)-([\d]+):illegal',str(error).replace(' ',''))
        if len(pos)==1:
            re_data = re_data[0:int(pos[0][0])]+re_data[int(pos[0][1]):]
            re_data = transformCodec(re_data)
            return re_data
    return re_data

调用:

re_data = transformCodec(re_data) #转码


可能方法比较笨,如果谁有更好的方法,欢迎留言告知。

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值