babel:octets-to-string 抛出 INVALID-UTF8-CONTINUATION-BYTE

【问题标题】：babel:octets-to-string throws out INVALID-UTF8-CONTINUATION-BYTEbabel:octets-to-string 抛出 INVALID-UTF8-CONTINUATION-BYTE
【发布时间】：2012-01-22 15:57:51
【问题描述】：

我正在编写一个 lisp 程序来获取一个中文网站的网页，我遇到了从二进制流中解析中文单词的问题，我已经有一个包含整个页面的 (unsigned-byte 8) 向量，但是当我把它放到 babel:octets-to-string 中时，它会抛出一个异常。

(setf buffer (babel:octets-to-string buffer :encoding :utf-8))

例外是：

非法 :UTF-8 字符从位置 437 开始。[条件输入 BABEL-ENCOdingS:INVALID-UTF8-CONTINUATION-BYTE]

我发现当它遇到一个中文单词时它必须抛出这个异常。我该如何解决？

【问题讨论】：

标签： utf-8 lisp common-lisp sbcl babeljs

【解决方案1】：

错误消息说明了一切 - 您的数据中存在无效的 UTF-8 字节序列。

这个错误最可能的原因是页面文本本身不是用UTF-8编码的，而是中文文本的一些其他编码。您应该检查 HTML 'META HTTP-EQUIV' 标记和 'Content-Type' HTTP 响应标头的编码。

【讨论】：

谢谢，我检查了编码，发现和你说的一样，页面是用GBK编码的，但是如何处理GBK文本，我应该编写自己的解码方法吗？
好像Babel不支持GBK。最好的方法是为 Babel 添加 GBK 支持。但作为一个直接的解决方案，您可以使用 Lisp 实现提供的解码功能。例如，在 SBCL 中可以使用sb-ext:octets-to-string 函数；在 Clozure CL 中你可以使用ccl:decode-string-from-octets
非常感谢，我现在正在写一个补丁让 Babel 支持 GBK。