python - 将 csv 中的 unicode 转换为纯文本的最佳方法？

Question

我有一个包含 unicode 字符的大型 csv 文件，这些字符导致我尝试运行的 Python 脚本出错。到目前为止，我删除它们的过程非常繁琐。我运行我的脚本，一旦遇到 unicode 字符，我就会收到错误消息:

'ascii' codec can't encode character u'\xef' in position 197: ordinal not in range(128)

然后我用 Google 搜索 u'\xef' 并试图弄清楚这个字符到底是什么(有人知道一个包含这些定义列表的网站吗？)。我正在使用该信息来构建字典，并且我有第二个 Python 脚本，可将 unicode 字符转换为常规文本:

unicode_dict = {"\xb0":"deg", "\xa0":" ", "\xbd":"1/2", "\xbc":"1/4", "\xb2":"^2", "\xbe":"3/4"}

for f in glob.glob(r"C:\Folder1\*.csv"):
    in_csv = f
    out_csv = f.replace(".csv", "_2.csv")

    write_f=open(out_csv, "wb")
    writer = csv.writer(write_f)

    with open(in_csv,'rb') as csvfile:
        reader = csv.reader(csvfile)
        for row in reader:
            new_row = []
            for s in row:
                for k, v in unicode_dict.iteritems():
                    s = s.replace(k, v)
                new_row.append(s)
            writer.writerow(new_row)

    write_f.close()
    os.remove(in_csv)
    os.rename(out_csv, in_csv)

然后我必须再次运行代码，得到另一个错误，然后在 Google 上查找下一个 unicode 字符。一定有更好的方法，对吧？

Answer 1

阅读http://www.joelonsoftware.com/articles/Unicode.html .小心。

然后，您就会明白，您需要知道文件的编码。如果您能够找出\xbd 的含义，也许有些地方提到它是哪种编码。

然后，使用 io.open(in_csv, 'rb', encoding='yourencodinghere') 而不是普通的 open 调用。

那么，显然 csv 模块不处理 Unicode，唉。使用 SBillion 的答案(例如 http://www.joelonsoftware.com/articles/Unicode.html)中的内容来解决它。