UnicodeDecodeError: 'utf8' codec can't decode byte 0xe9 in position 10: inva...
o = "a test of \xe9 char" #I want this to remain a string as this is what I am receiving
v = o.decode("utf-8")
结果报错：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Python27\lib\encodings\utf_8.py",
line 16, in decode
return codecs.utf_8_decode(input, errors, True) UnicodeDecodeError:
'utf8' codec can't decode byte 0xe9 in position 10: invalid continuation byte
在二进制中，0xE9看起来像1110 1001。如果你在维基百科上阅读有关UTF-8的信息，你会看到这样一个字节后面必须跟两个10xx xxxx。例如：
>>> b'\xe9\x80\x80'.decode('utf-8')
u'\u9000'
在这种情况下，你有一个用拉丁文编码的字符串。你可以看到UTF-8和拉丁文看起来如何不同：
>>> u'\xe9'.encode('utf-8')
b'\xc3\xa9'
>>> u'\xe9'.encode('latin-1')
b'\xe9'
（注意，我在这里混合使用Python 2和3表示。在任何版本的Python中都有效，但是你的Python解释器不太可能以这种方式实际显示unicode和byte字符串。）
当我尝试通过pandas read_csv方法打开csv文件时，我遇到了同样的错误。
解决方案是将编码更改为'latin-1'：
pd.read_csv('ml-100k/u.item', sep='|', names=m_cols , encoding='latin-1')
页:
[1]