我正在尝试使用 Python 读取带有重音字符的 CSV 文件(仅法语和/或西类牙语字符)。基于 csvreader ( http://docs.python.org/library/csv.html ) 的 Python 2.5 文档,我想出了以下代码来读取 CSV 文件,因为 csvreader 仅支持 ASCII。
def unicode_csv_reader(unicode_csv_data, dialect=csv.excel, **kwargs):
# csv.py doesn't do Unicode; encode temporarily as UTF-8:
csv_reader = csv.reader(utf_8_encoder(unicode_csv_data),
dialect=dialect, **kwargs)
for row in csv_reader:
# decode UTF-8 back to Unicode, cell by cell:
yield [unicode(cell, 'utf-8') for cell in row]
def utf_8_encoder(unicode_csv_data):
for line in unicode_csv_data:
yield line.encode('utf-8')
filename = 'output.csv'
reader = unicode_csv_reader(open(filename))
try:
products = []
for field1, field2, field3 in reader:
...
以下是我尝试阅读的 CSV 文件的摘录:
0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert
...
即使我尝试编码/解码为 UTF-8,我仍然遇到以下异常:
Traceback (most recent call last):
File ".\Test.py", line 53, in <module>
for field1, field2, field3 in reader:
File ".\Test.py", line 40, in unicode_csv_reader
for row in csv_reader:
File ".\Test.py", line 46, in utf_8_encoder
yield line.encode('utf-8', 'ignore')
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 68: ordinal not in range(128)
我该如何解决这个问题?
最佳答案
.encode
方法应用于 Unicode 字符串以生成字节字符串;但是你是在字节串上调用它......错误的方式!查看标准库中的 codecs
模块,特别是 codecs.open
以获得读取 UTF-8 编码文本文件的更好的通用解决方案。但是,特别是对于 csv
模块,您需要传入 utf-8 数据,这就是您已经获得的数据,因此您的代码可以简单得多:
import csv
def unicode_csv_reader(utf8_data, dialect=csv.excel, **kwargs):
csv_reader = csv.reader(utf8_data, dialect=dialect, **kwargs)
for row in csv_reader:
yield [unicode(cell, 'utf-8') for cell in row]
filename = 'da.csv'
reader = unicode_csv_reader(open(filename))
for field1, field2, field3 in reader:
print field1, field2, field3
PS:如果事实证明您的输入数据不是 utf-8,而是例如在 ISO-8859-1 中,那么您确实需要一个格式为 line.decode( 'whateverweirdcodec').encode('utf-8')
- 但也许您可以在我上面代码的 yield
行中使用现有编码的名称,而不是 'utf-8'
,因为 csv
实际上适用于 ISO-8859-* 编码的字节串。
关于python - 使用 Python 读取 UTF8 CSV 文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38211017/