UnicodeDecodeError：“ utf8”编解码器无法解码字节0x9c

一尘不染

linux

我有一个套接字服务器，应该从客户端接收UTF-8有效字符。

问题是某些客户端（主要是黑客）正在通过它发送所有错误的数据。

我可以轻松地区分真正的客户端，但是我会将所有发送的数据记录到文件中，以便以后进行分析。

有时我会得到这样的œ导致UnicodeDecodeError错误的字符。

我需要能够使带有或不带有这些字符的字符串UTF-8。

更新：

对于我的特殊情况，套接字服务是MTA，因此我只希望接收ASCII命令，例如：

EHLO example.com
MAIL FROM: <john.doe@example.com>
...

我将所有这些都记录在JSON中。

然后，一些没有好主意的人决定出售各种垃圾。

这就是为什么对于我的特定情况，完全可以剥离非ASCII字符。

阅读 673

2020-06-02

共1个答案

一尘不染

http://docs.python.org/howto/unicode.html#the-unicode-
type

str = unicode(str, errors='replace')

要么

str = unicode(str, errors='ignore')

注意： 这将删除（忽略）有问题的字符，并返回不包含这些字符的字符串。

对我而言，这是理想的情况，因为我将其用作针对非ASCII输入的保护，这是我的应用程序所不允许的。

或者：
使用codecs模块中的open方法读取文件：

import codecs
with codecs.open(file_name, 'r', encoding='utf-8',
                 errors='ignore') as fdata:

2020-06-02