[問題] 又是中文編碼的問題

[ggirls (哥)]

我在這裡看到這篇文章（http://goo.gl/lYCk7r）
大意是說，有些big5中文字，轉換時 python 會報錯。
例如 在big5中是"恒"字
#python3.3.2
print(b'\xf9\xda'.decode('big5'))
#UnicodeDecodeError: 'big5' codec can't decode
byte 0xf9 in position 0: illegal multibyte sequence

文中有提到這個字可以用big5hkscs來解碼，還是有一些
字無法解。

因為我常要大量轉碼，其實遇到的這情況的機率比想像中
高，我也不想要直接 ignore。
我現在想到的是遇到exception 就再試試別的編碼，但是
這實在有點笨。

一般你們在處理這些字時，會怎麼做呢？

後記：再看到這篇https://goo.gl/BYnSHz我就崩潰了。
※ 編輯: ggirls (114.136.150.153), 07/01/2016 11:09:06
※ 編輯: ggirls (114.136.150.153), 07/01/2016 11:19:09
→ alibuda174: 哪些字無法解？
推 eight0: http://but.tw/2014/03/the-story-of-big5-uao-zhtw/
→ ggirls: 請問我下面的觀念對嗎：
→ ggirls: 以 python 的標準編碼 https://goo.gl/1dki9p
→ ggirls: 以cp950就可以解big5。
→ ggirls: GB18030 就可以解 gbk, gb2312

※ 編輯: ggirls (114.136.150.153), 07/01/2016 13:30:23
→ s860134: big5 不包含 "碁, 銹, 裏, 墻, 恒, 粧, 嫺"
→ s860134: 參見 wiki 有 cp950 與 big5 的差別比較
→ s860134: https://goo.gl/vbx6pP
→ ggirls: python 提供 big5, cp950, big5hkscs 實際上 big5 為cp950
→ ggirls: 的子集，所以實際只有cp950, big5hkscs。這樣理解對嗎？
→ ggirls: 我會這樣問，是因為我想提供使用者選擇編碼，對應到python
→ ggirls: 的這些編碼方式。若有父子集關係，我就可以不用列出這三種
→ ggirls: 全部選項。

※ 編輯: ggirls (114.136.150.153), 07/01/2016 14:33:33
→ uranusjr: 你的「所以」邏輯不對, 不過 Big 5 是 HKSCS 子集沒錯
→ uranusjr: 但仍然不建議這樣亂省略, 因為編碼表是有可能更新的
→ kenduest: 題外話問問，為何要轉碼到 big5 這類編碼？
推 shadowjohn: 總覺得這在PYTHON一直都很煩XD
→ ggirls: 舊文件一推。老報錯缺字。