python - 在 Python 3 中对 csv 文件使用正确的编码

Question

我编写了一个带有一个变量的函数，file ，这是一个大.csv文档。在为一个特定文件调用该函数后(该文件是德语)，我立即收到以下错误:

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe4 in position 4: invalid continuation byte

系统默认编码为utf-8 ，但如果我 open('C:/Users/me/Desktop/data/myfile.csv') ，输出为:

<_io.TextIOWrapper name='C:/Users/me/Desktop/data/myfile.csv' mode='r' encoding='cp1252'> .

使用file.decode('cp1252').encode('utf8')从'str' object has no attribute 'decode'开始就不起作用了，所以我尝试了:

for decodedLine in open('C:/Users/me/Desktop/data/myfile.csv', 'r', encoding='cp1252'):
    line = decodedLine.split('\t')

但是line是一个列表对象，我不能 .encode()它。

我怎样才能制作.csv具有不同编码的文件可读吗？

Answer 1

如果我理解正确，您有一个采用 cp1252 编码的 csv 文件。如果是这种情况，您所要做的就是使用正确的编码打开文件。就 csv 而言，我会使用 csv来自标准库的模块。或者，您可能想查看更专业的库，例如 pandas .

无论如何，要解析您的csv，您可以这样做:

import csv

with open(filepath, 'r', encoding='cp1252') as file_obj:
    # adjust the parameters according to your file, see docs for more
    csv_obj = csv.reader(file_obj, delimiter='\t', quotechar='"')
    for row in csv_obj:
        # row is a list of entries
        # this would print all entries, separated by commas
        print(', '.join(row))