如何检查字符串是否仅含UTF-8字符？现有Python代码执行异常

兄弟，你遇到的这个print影响返回值的问题，本质是两个错误叠加的结果——先给你捋清楚根因，再给你正确的实现方式：

1. 你的函数逻辑完全偏离了“判断是否为合法UTF-8”的目标 #

你当前的代码做的是：把输入的字符串s编码成UTF-8字节，再解码回UTF-8字符串。这一步在绝大多数情况下都不会抛出异常，因为Python的str本身是Unicode编码，bytes(s, 'utf-8')总能把Unicode转成合法的UTF-8字节（哪怕是�这种替代字符，也会被编码成0xEF 0xBF 0xBD这个标准的UTF-8序列），后续的解码自然也能成功。

那为什么留着print(x)时会返回0？这就要说到第二个坑：

2. print操作触发了意外异常，被全局except捕获了 #

当你执行print(x)时，Python会尝试把字符串x编码成你终端的默认编码（比如Windows下常用的GBK、部分Linux终端的ISO-8859-1）。如果x里包含终端编码无法识别的字符，就会抛出UnicodeEncodeError——而你写的except:会捕获所有异常，包括这个输出时的编码异常，所以函数返回0。

删除print之后，这个额外的异常不会发生，前面的编码解码步骤顺利走完，函数就返回1——这完全不是因为逻辑正确，只是少了一个触发异常的环节而已。

正确的实现方式 #

先明确你的需求：

• 如果你要判断字节序列是否是合法的UTF-8（这是最常见的场景，比如判断文件内容、网络数据），函数应该接收字节串，直接尝试解码：

def is_valid_utf8(byte_data):
    try:
        # 直接用strict模式解码字节串，非法UTF-8会抛出UnicodeDecodeError
        byte_data.decode('utf-8', 'strict')
        return 1
    except UnicodeDecodeError:
        # 只捕获解码异常，避免误抓其他错误
        return 0

调用示例：

# 合法UTF-8字节
print(is_valid_utf8(b"Hellö World"))  # 返回1
# 非法UTF-8字节（0x80是无效的单字节UTF-8）
print(is_valid_utf8(b"H\x80tst"))     # 返回0

• 如果你确实要接收字符串作为输入（但Python字符串本身是Unicode，不存在“是否为UTF-8”的说法），你可能是想判断这个字符串是否是由合法UTF-8解码而来、没有替代字符的？这种情况可以检查是否包含�（U+FFFD，UTF-8解码失败时的替代字符）：

def is_from_valid_utf8(s):
    return 0 if '\ufffd' in s else 1

内容的提问来源于stack exchange，提问作者E. Meinl