Python2 下 Unicode 的一个小bug
2024-10-07 23:16:09
关于Python的编码问题已经是老生常谈了,此处主要是介绍一个罕见的问题,也算是Python2的一个bug了(Python3不会有此问题)。
在有时候我们去爬取网页或者调用一些第三方库获取文本的时候,有可能会出现这样一种情况:
invalid_str = u"\xbd\xf4\xb4\xd5\xd0\xcd\xb3\xb5"
在一个unicode对象里内容居然是GBK的编码!这时候无论你怎么encode或decode,要么是抛错,要么是乱码。
实际上这种情况不应该出现的,在Python3里这种情况是不合法的会抛错。但Python2容许了其存在,就造成了很多问题。
解决办法很简单,一个小trick,利用"latin-1"编码的特殊性:
unicode_str = invalid_str.encode('latin-1').decode('gbk')
这时候的 unicode_str 便是合法的unicode对象了,print一下就能看到你所期待的结果了!
最新文章
- 关于最少VC号数目的猜想
- 给自己的Unity添加声音文件
- auto与decltype
- iOS学习11之OC继承
- [家里蹲大学数学杂志]第237期Euler公式的美
- JS解析json数据并将json字符串转化为数组的实现方法
- Visual Studio之Nuget(服务器)
- Unity 打包总结和资源的优化和处理
- 秒表计时器以及Stopwatch
- “HtmlAgilityPack”已拥有为“System.Net.Http”定义的依赖项的解决方案
- 【原创】大数据基础之Marathon(1)简介、安装、使用
- Spring Security Session并发控制原理解析
- csla框架__使用Factory方式实现Csla.BusinessBase对象数据处理
- oracle 11 g release 2 卸载
- 第二次项目冲刺(Beta版本)2017/12/8
- Nginx 使用(server参数配置)
- fastJson去掉指定字段
- 笔记:配置 webpack dev server
- REST API风格
- 定义DoubleArray并将其作为value写入SequenceFile
热门文章
- MySql 外键约束 之CASCADE、SET NULL、RESTRICT、NO ACTION分析和作用
- NOSDK--一键打包的实现(三)
- IBAction和IBOutlet
- 日期控件jsdate用法注意事项
- PHP获取当前域名$_SERVER['HTTP_HOST']和$_SERVER['SERVER_NAME']的区别
- bash 语法使用
- BZOJ2435——[Noi2011]道路修建
- js parseInt 显示0
- java final 关键字
- Proj.4 API 中文参考