Python中的引用编码错误字节

Question

假设我输入了 line = line.decode('gb18030')，然后出现了错误

UnicodeDecodeError: 'gb18030' codec can't decode bytes in position 142-143: illegal multibyte sequence

有没有什么简单的方法可以自动获取出错的字节？也就是说，有没有办法从内置命令或模块中获取 142 和 143，或者 line[142:144]？因为我比较确定每行最多只会有一个这样的错误，所以我最开始的想法是：

for i in range(len(line)):
    try:    
        line[i].decode('gb18030')
    except UnicodeDecodeError:
        error = i

我不知道怎么准确地说，但 gb18030 的字节长度是可变的，所以一旦遇到中文字符（需要2个字节），这个方法就会失败。

Answer 1

这段代码是一个示例，展示了如何在程序中使用某些功能。它可能包含了一些变量、函数或者其他编程元素，目的是让你更好地理解代码是如何工作的。

在编程中，代码块通常用来组织和展示特定的逻辑或操作。你可以把它想象成一个小工具箱，里面放着你需要的工具，随时可以拿出来用。

记住，理解代码的关键在于多练习和尝试，慢慢你就会对这些内容越来越熟悉。

try:
    line = line.decode('gb18030')
except UnicodeDecodeError, e:
    print "Error in bytes %d through %d" % (e.start, e.end)

Answer 2

访问捕获到的异常对象的 start 和 end 属性。

u = u'áiuê©'
try:
  l = u.encode('latin-1')
  print repr(l)
  l.decode('utf-8')
except UnicodeDecodeError, e:
  print e
  print e.start, e.end