python中烦人的锟斤拷（\xef\xbf\xbd）

zhgc

python中烦人的锟斤拷（\xef\xbf\xbd）

首先要知道\xef\xbf\xbd是啥东西

>>> u'\uFFFD'.encode('utf-8')'\xef\xbf\xbd'

由此我们可以知道\xef\xbf\xbd是utf8编码的'\uFFFD'，那么这个'\uFFFD'是啥东西呢？

原来是因为Unicode和老编码体系的转化过程中，肯定有一些字，用Unicode是没法表示的，Unicode官方用了一个占位符来表示这些文字，这就是：U+FFFD REPLACEMENT CHARACTER。

>>> "\xef\xbf\xbd".decode("utf-8")u'\ufffd'

所以，如果你的文本中有一些字符是unicode表示不了的，在python程序读入的时候就会转成\xef\xbf\xbd，如果在某些地方变成了unicode，那么内部就会变成

u'\ufffd'，然而你再也不能转为str了。

如果你碰巧用到这些字符串作为字典的key，那么就会报key_error的错误了。