我的代码从UserVoice网站上获取一些内容。你可能知道,UserVoice是一款无法正确处理数据的糟糕软件;为了减少搜索页面上的文本量,他们将文本截断在大约300个字符处,然后在末尾添加“...”。问题是,他们不在多字节字符的中间切割,导致出现部分utf-8“字节”:例如,对于字符è
,我得到的是\xc3
而不是\xc3\xa8s
。
当然,当我将这个可怕的混合物交给json.loads
时,它会失败并出现UnicodeDecodeError
。因此,我的问题很简单:我该如何要求json.loads
忽略这些错误的字节,就像我如果有访问函数内部就可以使用.decode('utf-8', 'ignore')
一样呢?
谢谢。
json.loads
之前对其进行解码。 谢谢,显然有效! - zopieux