python - 我可以绕过 python 中的 UnicodeDecodeError 吗？

Question

我有一个解析 xml 文件并返回以下错误的 python 脚本：

UnicodeDecodeError: 'charmap' codec can't decode byte 0x9d in position 614617: character maps to <undefined>

我很确定错误正在发生，因为我试图解析的 xml 文档中有一些非法字符，但是我无权直接修复我正在读取的这个特定的 xml 文件。

我是否能够拥有它，以便这些字符不会绊倒我的脚本并允许它继续解析而不会出错？

这是 tat 正在读取 xml 并对其进行解码的脚本的一部分：

def ReadXML(self, path):
    self.logger.info("Reading XML from %s" % path)
    codec = "Windows-1252"
    xmlReader = open(path, "r")
    return xmlReader.read().decode(codec)

Answer 1

当您调用 时decode()，您可以传递可选errors参数。默认情况下，它设置为strict（如果发现无法解析的内容会引发错误），但您也可以将其设置为replace（将有问题的字符替换为\ufffd）或ignore（仅将有问题的字符排除在外）。

所以它会是：

return xmlReader.read().decode(codec, errors='ignore')

或您选择的任何级别。

更多信息可以在Python Unicode HOWTO中找到。