关于python报错 'utf-8' codec can't encode characters in position xxxx-xxxx: surrogates not allowed
-
错误原因
这段错误代码的意思是python没有办法对这个字符串利用
utf-8
进行解码,因为没有合适的字符映射到该编码,大部分问题出现在字符串中存在类似\uD83C\uDF1D
这种以\u
开头的字符串,python会认为这是一个unicode
编码,于是想办法把它解码成一个字符串,但发现编码映射表中没有这样的字符与之对应(可能这个编码是一个emoji表情) -
解决办法
假设含有\u的字符串s,则可以利用
s.encode('utf-8', 'replace').decode('utf-8')
因为encode的函数原型是
encode([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。这样就会将出错的地方替换为
?
,而不是抛出一个UnicodeError
异常。有什么不足的地方请大家指出,喜欢的请点个赞哦~~