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