Python 学习笔记_转码问题的解决方法：“ignore”

若希望将 Json 文件转化为 python 形式的 Unicode 字符串，可以如下操作：

unicodestr = json.loads(html.decode("gbk"))

但在实际开发中，这种办法时常会出现异常：

UnicodeDecodeError: 'gbk' codec can't decode byte 0xaa in position 205: illegal multibyte sequence

经网上查询了解到这是因为遇到了非法字符——尤其是在某些用 C/C++ 编写的程序中，全角空格往往有多种不同的实现方式，比如 \xa3\xa0 ，或者 \xa4\x57 ，这些字符，看起来都是全角空格，但它们并不是“合法”的全角空格（真正的全角空格是 \xa1\xa1 ），因此在转码的过程中出现了异常。

这样的问题很让人头疼，因为只要字符串中出现了一个非法字符，整篇文章就都无法转码。

解决办法：

unicodestr = json.loads(html.decode("gbk","ignore"))

因为 decode 的函数原型是 decode([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；
• 如果设置为 backslashreplace，则非法字符不转码展示。

via：https://blog.csdn.net/m0_37374307/article/details/80319146