Python unicode：如何将不能使用utf8解码的字符替换为空格？

Question

如何将不能使用utf8解码的字符替换为空白？

# -*- coding: utf-8 -*-
print unicode('\x97', errors='ignore') # print out nothing
print unicode('ABC\x97abc', errors='ignore') # print out ABCabc

我该如何打印ABC abc而不是打印ABCabc？注意，\x97这只是一个示例字符。无法解码的字符是未知输入。

• 如果使用errors='ignore'，它将不会打印任何内容。
• 如果使用errors='replace'，它将用一些特殊字符替换该字符。

Answer 1

看一看codecs.register_error。您可以使用它来注册自定义错误处理程序

https://docs.python.org/2/library/codecs.html#codecs.register_error

import codecs
codecs.register_error('replace_with_space', lambda e: (u' ',e.start + 1))
print unicode('ABC\x97abc', encoding='utf-8', errors='replace_with_space')

Answer 2

您可以使用try-except语句来处理UnicodeDecodeError：

def my_encoder(my_string):
   for i in my_string:
      try :
         yield unicode(i)
      except UnicodeDecodeError:
         yield '\t' #or another whietespaces 

然后使用str.join方法加入你的字符串：

print ''.join(my_encoder(my_string))

演示：

>>> print ''.join(my_encoder('this is a\x97n exam\x97ple'))
this is a   n exam  ple