原链接：HTTP：//www.crifan.com/unicodeencodeerror_gbk_codec_can_not_encode_character_in_position_illegal_multibyte_sequence/
【问题】
蟒蛇中已获取网页：
http://blog.csdn.net/hfahe/article/details/5494895
的HTML源码，其时UTF-8编码的。
提取出其标题部分：
| 1 2 3 4 5 | <span class="link_title"><a href="/hfahe/article/details/5494895"> 在2008 Beijing Perl 大会的演讲-使用Mason开发高性能的Web站点 </a></span> |
中的标题文字：
| 在2008北京Perl大会的演讲 – 使用梅森开发高性能的网站站点 |
然后用：
| titleUni = unicode（titleHtml，“UTF-8”）; |
或
| titleUni = titleHtml.decode（“UTF-8”）; |
将其解码成Unicode的，但是却会出错：
| UnicodeEncodeError：’gbk’编解码器无法对字符u’\ u200e’进行位置43：非法多字节序列 |
【解决过程】
1.Python的编码问题，GB18030，UTF-8，Unicode的等问题，之前遇到过很多次了，也就解决了。此处很奇怪的是，
类似的其他的网页，比如：
http://blog.csdn.net/v_july_v/article/details/6543438
http://blog.csdn.net/v_july_v/article/details/5934051
等，对应提取出来的内容，都是可以正常解码为统一的。
因为本身其编码的确是UTF-8的。
2.去试了试用chardet.detect分析其真正编码的，得到的结果是：
| encInfo = {‘confidence’：0.99，’encoding’：’utf-8’} |
也是和其他网页内容得到的结果是一样的。
3.此问题觉得很诡异的是，本身调用UTF-8去解码，但是解码出错却提示的是GBK的，而不是UTF-8相关解码出错。
4.找了些其他帖子：
Python UnicodeEncodeError：非法多字节序列
但是讨论的都是关于从统一编码为GBK或GB2312，然后出错的。
而我这里的错误是，本身内容是UTF-8的，然后想要还原为Unicode的，结果却提示GBK解码错误的…
5.这里：探索UTF-8中文编码的BOM问题标记提到了，可能是由于UTF-8的BOM造成的不能正常解码，所以试着去将返回的HTML导出为HTML文件，然后用记事本++查看，结果还是没看出是否有BOM，反正是文字内容，都可以查看到的。
然后也试了类似代码：
| titleUni = titleHtml [1：]。decode（“UTF-8”）; titleUni = titleHtml [2：]。decode（“UTF-8”）; |
但是都还是不行。
在后来这里也。看到了，关于UTF-8的BOM的问题的解释，但同样不是我要的。
6.在这里：Python Unicode与中文处理（文摘），看到了：
s.decode（’gbk’，’ignore’）。encode（’utf-8’）
然后才想起来，之前是看到过类似的解释，即添加忽略来忽略非法的字符，然后又参考：
然后去找了对应语法：
海峡。解码（ [ 编码 [， 错误 ]] ）
使用注册编码的编码解码器解码字符串 。 编码 默认为默认的字符串编码。 可能会给出错误来设置不同的错误处理方案。缺省值是 ‘strict’，这意味着编码错误会引发UnicodeError。其他可能的值是 ‘ignore’， ‘replace’ 和通过codecs.register_error（）注册的任何其他名称 ，请参见 编解码器基类。
2.2版本中的新功能。
在版本2.3中进行了更改：添加了对其他错误处理方案的支持。
在2.7版本中进行了更改：添加了对关键字参数的支持。
试了：
| titleUni = titleHtml.decode（“UTF-8”，’ignore’）; |
和：
| titleUni = titleHtml.decode（“UTF-8”，’replace’）; |
但是结果仍是：
| 打印“titleUni =”，titleUni; |
会出现上述“’gbk’codec can not encode”的错误。
但是后来无意间发现，在打印titleUni之前，添加了一行调试代码：
| 打印“len（titleUni）=”，len（titleUni）; |
却是可以正常打印的，这就说明，此处的titleUni变量，正常解码为统一的值了，即上述解码是正常的。
然后又重新试了试，之前的：
| titleUni = titleHtml.decode（“UTF-8”）; |
结果也是一样的，即print“len（titleUni）=”，len（titleUni）;也是可以正常输出的。
然后此时才明白，原来出现’gbk’codec can not encode“的错误的根本原因是，对于前面的，不论是用
titleHtml.decode（“UTF-8”）;
还是
titleHtml.decode（“UTF-8”，’忽略’）;
还是
titleHtml.decode（“UTF-8”，’替换’）;
都是可以得到正常的titleUni的统一字符的，然后对于此统一的字符，需要打印出来的话，由于本地系统是Win7的中的CMD，默认代码页是CP936，即GBK的编码，所以需要先将上述的统一的titleUni先编码为GBK，然后再在cmd中显示出来，然后由于titleUni中包含一些GBK中无法显示的字符，导致此时提示“’gbk’编解码器无法编码”的错误的。
【总结】
对于此（类）问题：
（1）出现UnicodeEncodeError – >说明是Unicode编码时候的问题;
（2）’gbk’codec can not encode character – >说明是将Unicode字符编码为GBK时候出现的问题;
此时，往往最大的可能就是，本身的Unicode类型的字符中，包含了一些无法转换为GBK编码的一些字符。
解决办法是：
- 方案1：
在对Unicode的字符编码时，添加忽略参数，忽略无法无法编码的字符，这样就可以正常编码为GBK了。
对应代码为：
| gbkTypeStr = unicodeTypeStr.encode（“ GBK ”， ‘ignore’）; |
- 方案2：
或者，将其转换为GBK编码的超集GB18030（即，GBK是GB18030的子集）：
| gb18030TypeStr = unicodeTypeStr.encode（“ GB18030 ”）; |
对应的得到的字符是GB18030的编码。
【题外话】
对于上述中，将原先的UTF-8的字符转换为Unicode的的时候，其实更加安全的做法，也可以将：
titleUni = titleHtml.decode（“UTF-8”）;
替换为：
titleUni = titleHtml.decode（“UTF-8”，’ignore’）;
这样可以实现，即使对于那些，相对来说是无关紧要的一些特殊字符，也可以成功编码，避免编码出错，提高程序的健壮性。
