python编码错误：UnicodeDecodeError: 'utf8' codec can't decode

原博客地址：http://againinput4.blog.163.com/blog/static/1727994912011112224749861/

原文引用如下：

【已解决】Python脚本语法错误：SyntaxError: (unicode error) 'utf8' codec can't decode byte 0xc0 in position 0: invalid start byte

【背景】

一个python脚本，运行的时候出错了：

D:\tmp\WordPress\Others\to_wp\hi-baidu-mover_v2>hi-baidu-mover_v2011-12-22-office.py -fhttp://hi.baidu.com/recommend_music/blog/item/de233143bd84211a72f05deb.html -l 1
File "D:\tmp\WordPress\Others\to_wp\hi-baidu-mover_v2\hi-baidu-mover_v2011-12-22-office.py", line 869
cat_no_unicode = opt_no_unicode.replace(u'类别：', '')
SyntaxError: (unicode error) 'utf8' codec can't decode byte 0xc0 in position 0: invalid start byte

【解决过程】

1.觉得很奇怪的一点是，这个脚本，一直是可以正常运行的，怎么突然就出现了语法错误了。

然后发现是带有中文的代码，会出现错误。

第一反应是，可能是安装了那个python的Python Imaging Library (PIL)库，然后影响了当前的python 2.7.2版本的语法了，影响成为类似于python 3.x的语法了。

因为之前试过，python 3.x版本中，对于上述写法，即u加上中文，比如：

u‘这是中文’，是不支持的。而python 2.x的语法是支持的，表示这个字符是unicode的字符，会自动处理编码，成为unicode变量的。

所以，就是尝试了，卸载掉之前安装的PIL-1.1.7.win32-py2.7.exe，结果问题依旧。

2.对应着当前这个python脚本，之前还有一个版本，里面也有同样的这部分代码，结果却是，那个脚本可以正常执行，这个脚本无法执行，出现这个SyntaxError: (unicode error)错误，所以更加异怪了。

本来想找个beyondcompare来比较两个脚本之前到底有哪些区别的，结果由于暂时不方便下载安装使用beyondcompare，只好作罢。

3.重新安装了python 2.7.2，问题依旧。

4.重启电脑，问题依旧。

5.后来，把上述代码中中文字符前缀的u，改为函数unicode加上中文字符，即：

cat_no_unicode = opt_no_unicode.replace(unicode('类别：'), '')

结果，就可以正常执行了，没有了这个语法错误。

6.然后才突然想到，是不是脚本文件本身的编码不匹配，一去查看当前所用的notepad++中的当前脚本文件所用的编码，果然，用的是默认的ANSI，而不是utf-8的编码，所以，u"类别："，无法识别，而 去notepad+中，格式->转为utf-8编码，后，再保存文件，再去运行脚本，就可以支持u"类别："了。

当然，对应的unicode（“类别：”）这样的做法，起始是最安全的，其不会受到你当前python脚本文件所用编码的影响。

【总结】

1。如果python中所要处理的字符串中包含中文，那么最好要搞懂所用字符的编码，是gbk/gb2312/gb18030，还是utf-8，否则容易出现乱码，以及此处的语法错误。

而为了保险起见，最好用unicode("中文字符")的方式，来使用，操作这些中文字符。

当然，如果你自己需要，自己也知道，那最好unicode("中文字符").encode("utf-8")的方法，把其转为utf-8的格式，这个编码最通用。

2.notepad++新建的文件，也最好使用比较通用的utf-8的格式来存储文件，而不要用默认的ANSI，否则其中的中文，会由于ANSI不支持，而默认用你本地语言，比如我此处的GBK，去编码，这样容易出现一些编码类的错误。