问题:UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb3 in position 109: invalid start byte
该问题发生于decode解码;
编码与解码:
编码就是将字符串转换成字节码,涉及到字符串的内部表示。
解码就是将字节码转换为字符串,将比特位显示成字符。
decode()方法语法:
bytes.decode(encoding="utf-8", errors="strict")
- encoding -- 要使用的编码,如"UTF-8"。
- errors -- 设置不同错误的处理方案。默认为 'strict',意为编码错误引起一个UnicodeError。 其他可能得值有 'ignore', 'replace', 'xmlcharrefreplace', 'backslashreplace' 以及通过 codecs.register_error() 注册的任何值。
python3实例:
#!/usr/bin/python3
str = "菜鸟教程";
str_utf8 = str.encode("UTF-8")
str_gbk = str.encode("GBK")
print(str)
print("UTF-8 编码:", str_utf8)
print("GBK 编码:", str_gbk)
print("UTF-8 解码:", str_utf8.decode('UTF-8','strict'))
print("GBK 解码:", str_gbk.decode('GBK','strict'))
实例结果:
菜鸟教程 UTF-8 编码: b'\xe8\x8f\x9c\xe9\xb8\x9f\xe6\x95\x99\xe7\xa8\x8b' GBK 编码: b'\xb2\xcb\xc4\xf1\xbd\xcc\xb3\xcc' UTF-8 解码: 菜鸟教程 GBK 解码: 菜鸟教程
文章初始抛出的问题,可能是解码时的type不正确:
我的具体实践是:page = request.urlopen(req).read()
rencode = page.decode('utf-8')
抛出上面的问题;
解决:将解码type改为gbk,即rencode = page.decode('gbk'),问题得以解决。