第4章：文本和字节序列-了解编码问题

"""
常见编解码异常：
UnicodeEncodeError：编码错误，将字符串编码成字节串(二进制字节序列)时的异常；
UnicodeDecodeError：解码错误，将字节串(二进制字节序列)解码成字符串时的异常；
SyntaxError：如果源码的编码与预期不符，加载 Python 模块时还可能抛出 SyntaxError 异常；
"""

# 4.4.1 处理编码时 UnicodeEncodeError 异常：----------------
city = 'São Paulo'

# utf-? 能处理任何字符串
a = city.encode('utf8')
print(a)  # b'S\xc3\xa3o Paulo'

# UnicodeEncodeError，cp437 编码无法处理 ã 字符
# b = city.encode('cp437')

# 处理 UnicodeEncodeError 异常：---
# errors='ignore' 忽略无法处理的字符，强烈不推荐使用
b = city.encode('cp437', errors='ignore')
print(b)  # b'So Paulo'

# errors='replace' 替换无法处理的字符为 ? 号，推荐使用
b = city.encode('cp437', errors='replace')
print(b)  # b'S?o Paulo'

# errors='xmlcharrefreplace' 将无法编码的字符处理成 xml 实体
b = city.encode('cp437', errors='xmlcharrefreplace')
print(b)  # b'São Paulo''


# 4.4.2 处理解码时 UnicodeEncodeError 异常：---------------------------
octets = b'Montr\xe9al'
a = octets.decode('latin1')
print(a)  # 正常的解码

octets = b'Montr\xe9al'
b = octets.decode('iso8859_7')
print(b)  # Montrιal 有的编码器会解码成其他字符

# UnicodeDecodeError：urf8 碰到无法解码的字符会抛出异常
# c = octets.decode('utf8')

# 处理 UnicodeDecodeError 异常：---
c = octets.decode('utf8', errors='replace')
print(c)  # Montr�al，官方指定将 utf8 无法处理的字符替换为 � ，表示未知字符。


# 4.4.3 使用预期之外的编码加载模块时抛出的 SyntaxError：--------------------------------------
# Python3 默认使用 utf8 编码源码，python 在加载 utf8 之外的编码的源码时会抛出 SyntaxError；
# 解决办法就是在加载的文件顶部添加注释，例如：# code: cp1251