Python 统一码 : how to replace character that cannot be decoded using utf8 with whitespace?

Question

如何用空格替换utf8无法解码的字符？

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

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

• 如果我们使用errors='ignore'，它什么也不会打印出来。
• 如果我们使用 errors='replace'，它将用一些特殊字符替换该字符。

Answer 1

看看 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')