<分区>
我正在尝试通过一个大胆的类(class)在 python 中制作一个爬虫。我有这个方法 get_page() 返回页面的内容。
def get_page(url):
'''
Open the given url and return the content of the page.
'''
data = urlopen(url)
html = data.read()
return html.decode('utf8')
原来的方法只是返回data.read()，但是那样我就不能做像str.find()这样的操作了。快速搜索后，我发现我需要解码数据。但是现在我得到了这个错误
UnicodeDecodeError: 'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte
我在 SO 中发现了类似的问题，但没有一个是专门针对此的。请帮忙。
最佳答案
您正在尝试解码无效的字符串。
任何有效的 UTF-8 字符串的起始字节必须在 0x00 到 0x7F 的范围内。
所以0x8B肯定是无效的。
来自 RFC3629 Section 3 :
In UTF-8, characters from the U+0000..U+10FFFF range (the UTF-16 accessible range) are encoded using sequences of 1 to 4 octets. The only octet of a "sequence" of one has the higher-order bit set to 0, the remaining 7 bits being used to encode the character number.
您应该发布您尝试解码的字符串。
关于python - Unicode解码错误: 'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41206304/