UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xb0 in position 53: invalid start byte

2022-11-30 19:03:19 浏览数 (2)

异常显示·这里说是编码问题,所以改一下就可以了。

看到默认的文件格式是:ANSI改成UTF-8

选择UTF-8课时保存即可。

再次执行:访问成功

计算机中的数据都是按字节存储。一个字节(Byte)由8个二进制位组成(bit)组成(范围是0~255(2^8)) 一个字节一共可以用来表示256种不同的状态,每一个状态对应一个符号,就是256个符号,从00000000到11111111。

本文中谈到的关系编码如下图所示:

1 ASCII码 ASCII 码对英语字符与二进制位之间的关系,做了统一规定。

ASCII 码一共规定了128个字符的编码,如空格SPACE是32(二进制00100000),数字0是48(二进制00110000)大写的字母A是65(二进制01000001)。这128个符号(包括32个不能打印出来的控制符号),只占用了一个字节的后面7位,最前面的一位统一规定为0。 ASCII码在其他语言的情况下并不适用,比如汉字有10万个字符,所以有了其他的编码方式

2 Unicode 世界上存在着多种编码方式,同一个二进制数字可以被解释成不同的符号。因此,要想打开一个文本文件,就必须知道它的编码方式,否则用错误的编码方式解读,就会出现乱码,因此Unicode应运而生。

Unicode,就像它的名字都表示的,这是一种所有符号的编码,将世界上所有的符号都纳入其中,每一个符号都给予一个独一无二的编码。

Unicode存在的问题: Unicode 只是一个符号集,它只规定了符号的二进制代码,却没有规定这个二进制代码应该如何存储。 如果 Unicode 统一规定,每个符号用三个或四个字节表示,那么每个英文字母前都必然有二到三个字节是0,这对于存储来说是极大的浪费。 为了解决这个问题:就有了Unicode 三种实现:UTF8 UTF16 UTF32 UTF8可以方便的转换为UTF16和UTF32

2.1 UTF-8 UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。其他实现方式还包括 UTF-16(字符用两个字节或四个字节表示)和 UTF-32(字符用四个字节表示)。UTF-8 是 Unicode 的实现方式之一。

UTF-8 最大的一个特点,就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号,根据不同的符号而变化字节长度。 UTF-8 的编码规则很简单,只有二条: 1)对于单字节的符号,字节的第一位设为0,后面7位为这个符号的 Unicode 码。因此对于英语字母,UTF-8 编码和 ASCII 码是相同的。 PS:高位为1和10就区分了ascii码和UTF-8码 2)对于n字节的符号(n > 1),第一个字节的前n位都设为1,第n 1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的 Unicode 码。

下表总结了编码规则,字母x表示可用编码的位。

计算Unicode码字节数时时需要少算一位(因为单字节范围是0~127,超过127的都需要用2个字节表示了) 正如表中范围:第一个字节有效返回只在00000000 - 0000007F之间(2^0-2^7-1)。 所以后面字节有饭范围均为后推.如2字节有效返回00000800 - 000007FF(2^7-2^15-1)

李(Unicode 编码 674E) 在第三行范围内(00000800 - 0000FFFF) 即UTF-8编码框架为:1110xxxx 10xxxxxx 10xxxxxx 李的unicode 码2进制表示: 0110 0111 0100 1110 (前面的0要补上凑够2字节 110 0111 0100 1110 -> 0110 0111 0100 1110) 将2机制填入到UTF-8编码中得到UTF-8的2进制: 11100110 10011101 10001110 UTF-8 编码16进制:E69D8E

2.2 UTF-16 UTF-16 使用二或四个字节为每个字符编码(定长 一般情况下为2字节),因为对于绝大部分字符只使用2个字节就可以表示了。对于汉字而言,大部分汉字采用两个字节编码,少量不常用汉字采用四个字节编码。而UTF-16同样存在大小端的问题, UTF-16BE 和 UTF-16LE,在编码前会放置一个 U FEFF 或 U FFFE(UTF-16BE 以 FEFF 代表,UTF-16LE 以 FFFE 代表).也就是2.1中Unicode 中编码头

2.3 UTF-32 UTF-32 使用四个字节为每个字符编码,使得 UTF-32 占用空间通常会是其它编码的二到四倍。UTF-32 与 UTF-16 一样有大尾序和小尾序之别,编码前会放置 U 0000FEFF 或 U 0000FFFE 以区分。

2.4 unicode 中BOM Unicode编码中表示字节排列顺序的那个文件头,叫做BOM(byte-order mark).

2.4.1 unicode 大小端问题 Unicode 规范定义,每一个文件的最前面分别加入一个表示编码顺序的字符,这个字符的名字叫做”零宽度非换行空格”(zero width no-break space),用FEFF表示。 如果一个文本文件的头两个字节是FE FF,就表示该文件采用大端方式(674E 正常顺序即为大端);如果头两个字节是FF FE,就表示该文件采用小端方式(4E67 正常顺序即为大端)。

2.4.2 unicode 不同实现的BOM UTF-8文件的BOM是“EF BB BF”,但是UTF-8的字节顺序是不变的,因此这个文件头实际上不起作用。有一些编程语言是ISO-8859-1编码,所以如果用UTF-8针对这些语言编程序,就必须去掉BOM,即保存成“UTF-8—无BOM”的格式才可以. UTF-16 BOM 即为FEFF 或者FFEF 用于解决大小端问题 UTF-32BOM 为 U 0000FEFF 或 U 0000FFFE 以区分

3 中文编码 注意这里说的中文编码和unicode 编码没有关系

3.1GB2312 GB2312又称国标码,由国家标准总局发布 GB2312规定“对任意一个图形字符都采用两个字节表示,每个字节均采用七位编码表示”,习惯上称第一个字节为“高字节”,第二个字节为“低字节”。GB2312中汉字的编码范围为,第一字节0xB0-0xF7(对应十进制为176-247),第二个字节0xA0-0xFE(对应十进制为160-254)。

3.2 GBK GBK是GB2312的扩展,是向上兼容的,因此GB2312中的汉字的编码与GBK中汉字的相同。另外,GBK中还包含繁体字的编码.

0 人点赞