为了找到所有的作者，他们的总提交和他们的电子邮件ID，我从GitHub克隆了torvalds/Linux仓库，并从python3（版本3.7.3）脚本中运行了以下代码：
import subprocess
p = subprocess.Popen(['git shortlog -sne HEAD'], stdout=subprocess.PIPE, shell=True)
output = p.communicate()[0]
p.wait()
print(output.decode().split('\n')) #Decoding the byte string and splitting to get a python list of result lines.字符串
并得到以下错误：
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb3 in position 173310: invalid start byte型
我不知道这是什么，如何解决这个问题？
1条答案
按热度按时间axkjgtzd1#
问题是，Linux提交历史很可能（当然，根据结果）包含在您正在检索的字段中没有UTF-8编码的数据。
最简单的方法是告诉Python忽略错误，并在调用
decode时用替换字符替换那些会被破坏的utf-8序列：字符串
这样做的主要问题是，它将丢弃原始字符，并在其位置插入Unicode替换字符（“"）。
根据你正在做的事情，这就足够了（如果你只是想看看屏幕上的数据，这当然足够了）。
否则，如果出于历史或法律的原因而这样做是为了获取所有提交者名称，那么尝试猜测不在utf-8中的特定提交的原始编码将是很重要的--这将需要，例如，由要尝试的编码循环包围的try/except语句。（比如，按顺序尝试“utf-8”，然后是“latin 1”，以此类推。这种方法的缺点是，某些编码（latin 1本身，例如）不会产生错误，即使它是不正确的编码。名称将最终损坏。如果有少数情况下，这种情况发生-几十个或几百个情况下，可能值得手动修复，而不是试图获得算法来猜测每个情况的正确编码。（在找到一个破名字的正确拼写后，无论如何都可以解决所有后续出现的问题）。