在处理文档相关项目中,经常会碰到utf8的非法字符,例如用户上传一个文件,系统根据用户文件产生相应结果返回。如果用户文件(utf编码的csv文件)中有utf8的非法字符,需要程序能自动去掉这些字符,因为这些字符也是无意义的。
错误信息:
‘utf-8’ codec can’t decode byte 0xa0 in position 1108 invalid start byte
处理方法:
以byte方法打开文件,忽略掉非utf8字符,然后存入一个临时文件
with open(csv_in_path, 'rb') as csv_in:
with open(csv_temp_path, "w", encoding="utf-8") as csv_temp:
for line in csv_in:
if not line:
break
else:
line = line.decode("utf-8", "ignore")
csv_temp.write(str(line).rstrip() + '\n')