python - 处理python中的unicode编码错误

Question

我正在编写一个程序来摄取一些 xml，但不幸的是，就字符集而言，其中存在一些不可避免的错误格式，xml 被标记为 utf-8，但我不确定我是否可以相信这一点。我很乐意忽略错误，但由于某种原因，我期望工作的方法不起作用并引发错误。这是我从标记为 utf-8 的 xml 文件中复制的字符和错误：

# -*- coding: utf-8 -*-
foo = ' '

print foo.encode('utf-8', errors='ignore')

-

Traceback (most recent call last):
  File "test.py", line 4, in <module>
    print foo.encode('utf-8', errors='ignore')
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc2 in position 0: ordinal not in range(128)

具体来说，我从很多空白字符中得到错误，我无法诊断问题，我似乎也无法ord()着手研究这个神秘字符以找出它是什么，所以我有点难过。

我正在使用 Python 2.7.2

更新：

我在这里粘贴的字符被转换为空格，这是一个 pasteb

http://pastebin.com/sP4Hb2Pi

Answer 1

您可能希望将字符转换为 ASCII

unicode(foo, 'ascii', 'ignore')

如果没有，这里是如何无错误解码

unicode(foo, 'utf-8', 'ignore')

Answer 2

foo已经在 utf-8 中，因为它是一个字节字符串，并且您已经声明了该编码。

你的意思是foo.decode('utf-8')。