Python无法将错误的unicode编码为ascii

我有一些Python代码，它接收到一个包含坏unicode的字符串。当我试图忽略坏字符时，Python仍然会阻塞（版本2.6.1）。下面是如何复制它：

s = 'ad\xc2-ven\xc2-ture'
s.encode('utf8', 'ignore')

它抛出

UnicodeDecodeError: 'ascii' codec can't decode byte 0xc2 in position 2: ordinal not in range(128)

---

我做错了什么？

在Python 2.x中，将字符串转换为unicode实例是

str.decode（）

：

 >>> s.decode("ascii", "ignore")
 u'ad-ven-ture'

您混淆了“unicode”和“utf-8”。您的字符串

s

不是unicode；它是一种特殊编码的bytestring（但不是UTF-8，更可能是iso-8859-1或诸如此类）。从bytestring到

unicode

是通过解码数据而不是编码完成的。从unicode到bytestring就是编码。也许您想让

s

成为unicode字符串：

>>> s = u'ad\xc2-ven\xc2-ture'
>>> s.encode('utf8', 'ignore')
'ad\xc3\x82-ven\xc3\x82-ture'

或者，您可能希望将bytestring视为UTF-8，但忽略无效序列，在这种情况下，您将使用“ignore”作为错误处理程序对bytestring进行解码：

>>> s = 'ad\xc2-ven\xc2-ture'
>>> u = s.decode('utf-8', 'ignore')
>>> u
u'adventure'
>>> u.encode('utf-8')
'adventure'

---

你确定你不想用s.decode（'utf8'，'ignore'）来代替吗？是的，你是对的。哎哟：）注意，使用OP的编码（utf-8）而不是ASCII，您将得到

u'adventure'

。实际上我更喜欢

unicode（utf8\u字符串，'utf-8'，'ignore'）

，因为创建unicode字符串更清晰。还有

s.decode（'ascii'，'replace'）

可以用来了解问题。