Question

用Python 抓取的UTF8网页无法decode（'utf-8')

脚本在昨天之前一直运行的很好，但是昨天突然无法解析，求解为什么？





Answer 1

估计就是个别字符有问题，即
本来标称utf-8，但是实际上个别字符不是utf-8，比如是gb2312
结果导致错误。
常见的解决办法是，添加ignore参数，比如：
decodedUnicodeHtml = yourHtml.decode("UTF-8", 'ignore')
就可以正常解码了。

更多相关内容可参考：
【总结】Python 2.x中常见字符编码和解码方面的错误及其解决办法

（此处没法发布地址，请自己google搜帖子标题，即可找到帖子地址）

Answer 2

不同的网页编码不一样，你今天抓的网页和昨天不一样啊。
编码是很麻烦的问题，你要针对各种网页写不同的解码和解析策略。

追问

问题是，我仔细查看对方的源码，如我贴图所示，是UTF-8啊

追答

错误提示 92229-92230 这个地方可能出现了不兼容的编码，一般有2种办法：
1 你用decode的时候，需要开启ignore模式，遇到个别不兼容的编码可以过滤掉。
2 下载一个 iconv， 需要转码的使用用python调用这个iconv来转码，同样要开启escape模式，跳过不兼容的字符。

Answer 3

人家换了编码了吧。你邮件看看网页上面的编码是多少改一下你的程序就好了。