python字符串decode中遇到非法字符的问题

swsrl

　　web.py模版需要传进的字符是utf-8字符，我读取到的字符串是gbk的，所以我很自然的用s.decode('gbk').encode('utf-8')来转换。可是今天转换时遇到如下异常:



UnicodeDecodeError: 'gbk' codec can't decode bytes in position 7-8: illegal multibyte sequence
　　搞了很久，解决不了。后来查了下，再想起策划的有些csv文件的横杠是全角的，有些是半角的，这样decode函数在解码的时候遇到全角斜杠就遇到了非法字符，就会抛出异常。
　　所以在使用decode的时候加上一个参数:ignore，忽略非法字符，就可以跑过去了。他奶奶的。
　　下面贴一下在网上搜到的解决方法：
　　在Python中，可以对String调用decode和encode方法来实现转码。比如，若要将某个String对象s从gbk内码转换为UTF- 8，可以如下操作 s.decode('gbk').encode('utf-8′)
　　可是，在实际开发中，我发现，这种办法经常会出现异常：
　　UnicodeDecodeError: ‘gbk' codec can't decode bytes in position 30664-30665: illegal multibyte sequence
　　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，整个字符串——有时候，就是整篇文章——就都无法转码。
　　解决办法： s.decode('gbk', ‘ignore').encode('utf-8′)
　　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。
　　python文档 decode( [encoding[, errors]]) Decodes the string using the codec registered for encoding. encoding defaults to the default string encoding. errors may be given to set a different error handling scheme. The default is 'strict', meaning that encoding errors raise UnicodeError. Other possible values are 'ignore', 'replace' and any other name registered via codecs.register_error, see section 4.8.1.