Python中引用编码错误字节

Question

假设我输入line = line.decode('gb18030;)并得到错误

UnicodeDecodeError: 'gb18030' codec can't decode bytes in position 142-143: illegal multibyte sequence

有没有一种好方法可以自动获取错误字节？也就是说，有没有办法从内置命令或模块中获取142&；143或{}？由于我相当确信每行最多只会有一个这样的错误，我的第一个想法是：

^{pr2}$

我不知道该怎么说才对，但是gb18030的字节长度是可变的，所以这个方法一旦得到一个汉字（2个字节）就失败了。在

Answer 1

访问捕获的异常对象的start和end属性。在

u = u'áiuê©'
try:
  l = u.encode('latin-1')
  print repr(l)
  l.decode('utf-8')
except UnicodeDecodeError, e:
  print e
  print e.start, e.end

Answer 2

try:
    line = line.decode('gb18030')
except UnicodeDecodeError, e:
    print "Error in bytes %d through %d" % (e.start, e.end)