UnicodeDecodeError报错解决：含特殊字符字符串处理及find方法使用问题

这个坑我在Python 2里踩过好多次！你遇到的UnicodeDecodeError本质是因为Python 2对字符串的处理机制：str类型其实是字节串，而unicode()函数默认会用ASCII编码去解码字节串——但你的字符串里有à（对应的字节是\xe0），ASCII编码根本不包含这个字符，所以直接解码就炸了。

下面给你一步步的解决方案：

1. 明确编码，正确解码字节串 #

首先你得确定原字符串temp的编码格式。从报错里的\xe0来看，这个字节对应的是à的**Latin-1（ISO-8859-1）**编码（如果是UTF-8的话，à应该是\xc3\xa0两个字节）。所以你需要在解码时指定编码：

temp = "à la Carte"
# 指定Latin-1编码解码成unicode类型
utemp = unicode(temp, encoding='latin-1')
# 如果你确认原字符串是UTF-8编码，就改成encoding='utf-8'

2. 正常使用find方法检查子串 #

转成unicode类型后，就可以放心用find方法了。注意子串最好也用unicode类型（加u前缀），避免混合类型带来的问题：

# 检查是否包含"Carte"子串
if utemp.find(u"Carte") != -1:
    print("字符串包含目标子串")
# 检查带特殊字符的子串也没问题
if utemp.find(u"à la") != -1:
    print("字符串包含'à la'")

3. 兜底方案（不推荐，仅应急） #

如果你暂时不确定原字符串的编码，或者想跳过编码错误，可以给unicode()加errors参数处理异常，但这可能会丢失或替换字符，尽量不用：

# 用?替换无法解码的字符
utemp = unicode(temp, encoding='latin-1', errors='replace')
# 直接忽略无法解码的字符
utemp = unicode(temp, encoding='latin-1', errors='ignore')

额外建议 #

在Python 2里处理文本时，最好全程用unicode类型：

• 代码开头指定文件编码（比如你的脚本里写的字符串字面量是Latin-1的话）：

# -*- coding: latin-1 -*-

• 从外部读取文本（文件、网络）时，先按对应编码解码成unicode再处理。

内容的提问来源于stack exchange，提问作者Jacek Sierajewski