本文探讨了在Python中遇到‘gbk’解码错误时，如何正确选择GB18030编码处理简体中文文档，包括编码方式转换和异常处理技巧。重点介绍了GB2312、GBK、GB18030的区别及其在实际应用中的适用场景。
出现此错误的原因是使用'gbk'解码时报错，存在一些字符不能使用gbk来解码。
首先，简体中文字符编码(ASCII扩展字符集)有下列几种：GB2312、GBK、GB18030。
GB2312： 中国国家标准总局在1980年发布的《信息交换用汉字编码字符集》，共收入汉字6763个和非汉字图形字符682个。
GBK：中国国家标准总局在1995年发布了《汉字编码扩展规范》(GBK)。GBK与GB 2312—1980国家标准所对应的内码标准兼容，同时在字汇一级支持ISO/IEC10646—1和GB 13000—1的全部中、日、韩(CJK)汉字，共计20902字。
GB18030： 有两个版本：GB18030-2000和GB18030-2005。GB18030-2000是GBK的取代版本，它的主要特点是在GBK基础上增加了CJK统一汉字扩充A的汉字。GB18030-2005的主要特点是在GB18030-2000基础上增加了CJK统一汉字扩充B的汉字。
其中GB18030兼容GBK和GB2312编码，在处理简体中文的时候，可以统一使用GB18030来读取GBK或者GB2312的文档。
在编写python脚本处理简体中文文档时，可以使用下面的方式来读取文档：
如使用：open('abc.txt', encoding= 'gb18030') 来读取文档。当遇到“GB18030”也无法编码的字符时，上面的代码会报错。可以尝试使用下面的代码来解决：
open('abc.txt', encoding= 'gb18030', error= 'ignore')
含编码检测及简体中文字符处理的完整例子：
扫一扫
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
