请问用decode和ignore后依然报错的原因是什么

爱学习的喵

import urllib.request as U_R
import chardet
with open('urls.txt') as f:
    i = 0
    for eachline in f:
        print(eachline)
        i+=1
        file_name = 'url_'+str(i)+'.txt'
        response = U_R.urlopen(eachline).read()
        url_dict = chardet.detect(response)
        print(url_dict)
        response = response.decode(url_dict['encoding'],'ignore')
        with open(file_name,'w') as f1:
            f1.write(response)
报错：
Traceback (most recent call last):
  File "C:/Users/Thomas Lai/Desktop/python/HW53/control.py", line 14, in <module>
    f1.write(response)
UnicodeEncodeError: 'gbk' codec can't encode character '\xe4' in position 1037: illegal multibyte sequence

RIXO

呃，兄弟你有没有想过 chardet.detect 是怎么运行的啊？代码并不像你想的那么智能，有时候轮子也不是很好用，你可以写个判断语句，confience在多少多少以上的时候再使用，其实用正则，或者解析工具找到网页作者自身编写的编码格式比较好

爱学习的喵

RIXO 发表于 2018-10-5 01:02
呃，兄弟你有没有想过 chardet.detect 是怎么运行的啊？代码并不像你想的那么智能，有时候轮子也不是很好用 ...

我发现是二进制问题，我想把二进制译成字符的东西然后直接用文本保存该怎么做？

RIXO

爱学习的喵 发表于 2018-10-5 10:46
我发现是二进制问题，我想把二进制译成字符的东西然后直接用文本保存该怎么做？

兄弟，我猜你用的是python3
在3里面只有     字符串      bytes 类型    你想讲的应该是这个把，如果你是想说 把 01010   转成对应的字符，那么基本上的编码都能转。。。。
字符串转Bytes就是encode，bytes转字符串就是decode，这里的字符串代表unicode, bytes代表的是其他编码，不过还有个问题就是你显示的编辑器用的编码，windows默认用utf-8，因为unicode兼容utf-8所以可以显示，你之所以觉得是二进制问题，我感觉是不是你百度了 \xe4 是个什么东西。。。。其实，你随便打个中文字符串   encode('gbk')都是会出现 b'\x23\d22'   之类的字节码，算了，你还是自己去琢磨把