→ mmis1000: btw 大部分軟體跟瀏覽器的標準行為，是把不認識的字 10/30 15:42
推 LPH66: 還有一個可能是其實瀏覽器是認得某些內容的 10/30 16:00
→ LPH66: 也就是瀏覽器使用的解碼表跟你用的解碼表不一樣 10/30 16:01
→ LPH66: (這也是原 PO 的問題) 這種解法一般是自己去找份解碼表來用 10/30 16:02
→ LPH66: 例如 PCMan 就是自己準備解碼表的 10/30 16:02
※ 引述《suhang (suhang)》之銘言：
: 標題: [問題] Unicode Decode Error
: 時間: Wed Oct 29 13:28:18 2014
:
: 我寫了一個crawler爬網頁
: 按照view page source <meta content="text/html; charset=Big5">
: 我用Big5 解碼回傳的 byte string
: Python卻回應某些byte無法解碼
: UnicodeDecodeError: illegal multibyte sequence
:
: 1
: 瀏覽器也是設定Big5解碼
: 那為什麼瀏覽器可以正確的顯現所有內容?
:
: 2
: 我試著用utf8瞎猜去解碼，一樣有error
: 請問我該如何處理這個錯誤而能顯示我所抓下來的網頁?
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 76.169.54.91
: ※ 文章網址: http://www.ptt.cc/bbs/Web_Design/M.1414560500.A.39C.html
: 推 LPH66: 什麼網頁? 10/29 22:10
: 推 mmis1000: python內建的decoder很suck，不會略過錯誤的字元 10/30 02:05
: → mmis1000: 幾乎無法使用，去找替代的lib如何？ 10/30 02:06
: → mmis1000: 好吧，其實有忽視錯誤的參數 10/30 02:10
: → mmis1000: http://goo.gl/DQnZw7 10/30 02:15
謝謝你的連結
我加了 ignore 繞過
但是這樣似乎有點治標不治本
有辦法update python big5 codec嗎?
或是有third-party package 可以 import之後解碼嗎?
thanks
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 76.169.54.91
※ 文章網址: http://www.ptt.cc/bbs/Web_Design/M.1414652438.A.655.html