知识卡片

问题卡 · 6276

忽略解码错误会丢失信息

理解等级:中级

ignore会跳过无法按指定编码解释的字节,避免异常并不说明得到正确文本。错误的UTF-8假设可能删掉人名、地址或正文部分,影响词频和关系识别;应按声明字符集解码并保留原始资料与失败记录,按目标选择严格失败、替代或其他处理,不能把空串当数据本来为空。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      decode('utf-8', 'ignore') # The To, Cc, and Bcc fields, if present, could have multiple items. # Note that not all of these fields are necessarily defined. for k in ['To', 'Cc', 'B

    参考来源

    - 位置:《社交网站的数据挖掘与分析(原书第2版)》第6章《6.2.4 将Unix邮箱转换为JSON》(spine102;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0091.html;u092-ch06-012)。 - 结论依据:原文在“decode('utf-8', 'ignore')”附近的定义、例子或代码支撑本卡核心说明:ignore会跳过无法按指定编码解释的字节,避免异常并不说明得到正确文本。边界按已读前提解释;示例未执行。 - 原始内容:decode('utf-8', 'ignore') # The To, Cc, and Bcc fields, if present, could have multiple items. # Note that not all of these fields are necessarily defined. for k in ['To', 'Cc', 'B