苦逼大學僧的日常。。。
狗真是日了我了……
UnicodeEncodeError: ‘gbk’ codec can’t encode character u’\ufeff’ in position 0: illegal multibyte sequence
寫個爬蟲被這東西折磨了一天。。。不光BOM的feff,還有各種解碼不出來的字符,啥玩意都有。。
各種二分找位置(他提示的位置是不準的),看是什麼,加判斷,最後我崩潰了……
決定把這些解碼不出來的字符一一刪除
利用輸出的提示信息來確定不可見字符,然後將不可見字符刪除,重複這個過程
缺點就是會建立一個kill.html的文件以及由於刪除了開頭的\ufeff所以生成的字符串輸出到文件裏打開會亂碼。。。
import re
def killAnUnseen(s):
try:
f = open('kill.html', 'w');
f.write(s);
f.close()
except UnicodeEncodeError as err:
info = str(err);
st = re.search('\\\\U[a-f0-9]{8}|\\\\u[a-f0-9]{4}|\\\\x[a-f0-9]{2}', info).group()[2:];
x = int(st, 16);
return (s.replace(chr(x), ""), True)
return s, False
def killUnseen(s):
while(True):
s, res = killAnUnseen(s)
if res == False:
return s