我有一个套接字服务器，它应该从客户端接收UTF-8有效字符。
问题是一些客户端(主要是黑客)通过它发送所有错误类型的数据。
我可以很容易地区分真正的客户端，但我将发送的所有数据记录到文件中，以便以后进行分析。
有时我会得到这样的字符，导致UnicodeDecodeError错误。
我需要能够使字符串UTF-8与或没有这些字符。
更新:
对于我的特殊情况，套接字服务是一个MTA，因此我只希望接收ASCII命令，如:
EHLO example.com
MAIL FROM: <john.doe@example.com>
...
我用JSON记录了所有这些。
然后一些没有善意的人决定发送各种垃圾。
这就是为什么对于我的特定情况，剥离非ASCII字符是完全可以的。
当前回答
>>> '\x9c'.decode('cp1252')
u'\u0153'
>>> print '\x9c'.decode('cp1252')
œ
其他回答
当使用拉丁美洲口音时，这个解决方案很有效，比如“ñ”。
我已经通过加法解决了这个问题
df = pd.read_csv(fileName,encoding='latin1')
把引擎从C改为Python对我来说很管用。
发动机为C:
pd.read_csv(gdp_path, sep='\t', engine='c')
'utf-8'编解码器无法解码位置18中的字节0x92:无效的开始字节
引擎是Python:
pd.read_csv(gdp_path, sep='\t', engine='python')
对我来说没有错误。
如果需要对文件进行更改，但不知道文件的编码，该怎么办?如果你知道编码是ASCII兼容的，并且只想检查或修改ASCII部分，你可以使用surrogateescape错误处理程序打开文件:
with open(fname, 'r', encoding="ascii", errors="surrogateescape") as f:
data = f.read()
首先，使用get_encoding_type获取encode的文件类型:
import os
from chardet import detect
# get file encoding type
def get_encoding_type(file):
with open(file, 'rb') as f:
rawdata = f.read()
return detect(rawdata)['encoding']
第二步，使用以下类型打开文件:
open(current_file, 'r', encoding = get_encoding_type, errors='ignore')
Django-storage隐式支持以文本模式读取字节文件，直到Django-storage == 1.8 移除https://github.com/jschneier/django-storages/pull/657的支持 需要指定读取字节文件的二进制模式。
