UnicodeEncodeError: ‘gbk’ codec can’t encode character u’\u200e’ in position 43: illegal multib

【问题】

在执行代码时，提示上述错误，源码如下：

# 下载小说...
def download_stoy(crawl_list,header):

    # 创建文件流，将各个章节读入内存
    with open('E:\盗墓test22.txt', 'w') as f:
        for each_url in crawl_list:
            # 有的时候访问某个网页会一直得不到响应，程序就会卡到那里，我让他0.6秒后自动超时而抛出异常
            while True:
                try:
                    request = urllib.request.Request(url=each_url, headers=header)
                    with urllib.request.urlopen(request, timeout=0.6) as response:
                        html = response.read().decode('utf-8')
                        break
                except:
                    # 对于抓取到的异常，让程序停止1.1秒，再循环重新访问这个链接，访问成功时退出循环
                    time.sleep(1.1)

            # 匹配文章标题
            title_req = re.compile(r'<h1>(.+?)</h1>')
            # 匹配文章内容，内容中有换行，所以使flags=re.S  re.S表示跨行匹配
            #content_req = re.compile(r'<div class ="content-body">(.+)</div>', re.S)
            content_req = re.compile(r'<p>(.*?)</p>', re.S)
            #"<div[^>]+>.+?<div>(.+?)</div></div>", re.I
            #content_req = re.compile(r'<div[^>]+>.+?<div>(.+?)</div></div>', re.S)
            # 获取标题
            title = title_req.findall(html)[0]
            # 获取内容
            content_test = content_req.findall(html)
            print('抓取章节>' + title)
            f.write(title + '\n')
            #print(content_test)
            for each in content_test:
                # 筛除不需要的的html元素
                str1 = each.replace('&ldquo;', ' ')
                str2 = str1.replace('&hellip;', ' ')
                str3 = str2.replace('&rdquo;',' ')
                f.write(str3 + '\n')

 

【解决过程】

1. 再次确认其编码格式，确实是utf-8；

2.此问题觉得很诡异的是，本身调用UTF-8去decode，但是解码出错却提示的是GBK的，而不是UTF-8相关解码出错。

3.找了其他帖子，尝试在解码时添加ignore 属性，但没有解决。文中提供的第二种解释，直觉不是这个原因。继续找其他帖子。

https://www.crifan.com/unicodeencodeerror_gbk_codec_can_not_encode_character_in_position_illegal_multibyte_sequence/

4.又找到一个，

http://www.jb51.net/article/64816.htm

根据提示，在文件打开时添加 encoding='utf-8'， 即，

    with open('E:\盗墓test22.txt', 'w',encoding='utf-8') as f:

问题解决。

 

 

---

【参考】

【总结】Python 2.x中常见字符编码和解码方面的错误及其解决办法