这个问题与How to decode bytes in GB18030 correctly有关。
我想解码一个用GBK编码的字节数组，但发现Python和Java有时行为不同。
ch = b'\xA6\xDA'
print(ch.decode('gbk'))它会引发一个错误：
UnicodeDecodeError：“gbk”编解码器无法解码位置0中的字节0xa6：非法多字节序列
Java可以破解它。
byte[] data = {(byte) 0xA6, (byte) 0xDA};
String s = new String(data, Charset.forName("GBK"));
System.out.println(s);Python和Java似乎对GBK采用了不同的实现，对吗？
1条答案
按热度按时间brc7rcf01#
看起来Python和Java对GBK采用了不同的实现，对吗？
是的。GBK在某种程度上是一种模糊的编码，因此不同的平台可能会采用不同的实现方式。
至于Python（这里是CPython），GBK到Unicode的Map是在mappings_cn.h中定义的，这是CP936的 * 严格 * 实现，其中一些非中文地区的字符（如
0xA6DA）没有定义。相比之下，Java中的GBK（这里是OpenJDK 17）实际上是一个 * 扩展的 * CP 936，其中包括一些额外的非中文字符，以遵循GB 18030/MS 936。例如，
0xA6DAMap到UnicodeU+E78E（尽管它是私有用户区域）。