?
從網上抓了一些字節流，想打印出來結果發生了一下錯誤：
UnicodeEncodeError: 'gbk' codec can't encode character '\xbb' in position 8530: illegal multibyte sequence
代碼
-
import urllib.request -
res=urllib.request.urlopen('http://www.baidu.com') -
htmlBytes=res.read() -
print(htmlBytes.decode('utf-8'))
錯誤信息讓人很困惑，為什么用的是'utf-8'解碼，錯誤信息卻提示'gbk'錯誤呢？
?
不僅如此，從百度首頁的html中發現以下代碼：
?
<meta http-equiv="content-type" content="text/html;charset=utf-8">
這說明網頁的確用的是utf-8，為什么會出現Error呢？
?
在python3里，有幾點關于編碼的常識
1.字符就是unicode字符，字符串就是unicode字符數組
如果用以下代碼測試，
?
print('a'=='\u0061')
會發現結果為True，足以說明兩者的等價關系。
?
2.str轉bytes叫encode，bytes轉str叫decode，如上面的代碼就是將抓到的字節流給decode成unicode數組
我根據上面的錯誤信息分析了字節流中出現\xbb的地方，發現有個\xc2\xbb的特殊字符?，我懷疑是它無法被解碼。
用以下代碼測試后
?
print(b'\xc2\xbb'.decode('utf-8'))它果然報錯了:UnicodeEncodeError: 'gbk' codec can't encode character '\xbb' in position 0: illegal multibyte sequence
?
上網找了下utf-8編碼表，發現的確特殊字符?的utf-8形式就是c2bb,unicode是'\u00bb'，為什么無法解碼呢。。。
仔細看看錯誤信息，它提示'gbk'無法encode，但是我的代碼是utf-8無法decode，壓根牛頭不對馬嘴，終于讓我懷疑是print函數出錯了。。于是立即有了以下的測試
?
print('\u00bb')結果報錯了：UnicodeEncodeError: 'gbk' codec can't encode character '\xbb' in position 0: illegal multibyte sequence
?
原來是print()函數自身有限制，不能完全打印所有的unicode字符。
知道原因后，google了一下解決方法，其實print()函數的局限就是Python默認編碼的局限，因為系統是win7的，python的默認編碼不是'utf-8',改一下python的默認編碼成'utf-8'就行了
?
-
import io -
import sys -
import urllib.request -
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='utf8') #改變標準輸出的默認編碼 -
res=urllib.request.urlopen('http://www.baidu.com') -
htmlBytes=res.read() -
print(htmlBytes.decode('utf-8'))
?
運行后不報錯了，但是居然有好多亂碼（英文顯示正常，中文則顯示亂碼）！！又一陣折騰后發現是控制臺的問題，具體來說就是我在cmd下運行該腳本會有亂碼，而在IDLE下運行卻很正常。
由此我推測是cmd不能很好地兼容utf8，而IDLE就可以，甚至在IDLE下運行，連“改變標準輸出的默認編碼”都不用，因為它默認就是utf8。如果一定要在cmd下運行，那就改一下編碼，比如我換成“gb18030”，就能正常顯示了：
?
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='gb18030') #改變標準輸出的默認編碼最后，附上一些常用的和中文有關的編碼的名稱，分別賦值給encoding，就可以看到不同的效果了：
?
?
| 編碼名稱 | 用途 |
| utf8 | 所有語言 |
| gbk | 簡體中文 |
| gb2312 | 簡體中文 |
| gb18030 | 簡體中文 |
| big5 | 繁體中文 |
| big5hkscs | 繁體中文 |
?
?
