[汉字编码报错] UnicodeEncodeError- 'ascii' codec can't encode characters in position 0-1- ordinal not in r

原始代码

# -*- coding:utf-8 -*-

import pandas as pd
import jieba
def cut_msg(ustr):
    # ustr = ustr.encode("raw_unicode_escape").decode("raw_unicode_escape").encode("utf8")
    return " ".join(jieba.lcut(str(ustr)))


fp = "gray.xlsx"
df = pd.read_excel(fp)
df["msg"] = df["msg"].map(cut_msg)
li = df["msg"]
with file(fp.replace(".xlsx", ".txt"), "wb") as wf:
    for e in li:
        wf.write(e.encode("utf8")+"\n")

报错信息

---------------------------------------------------------------------------
UnicodeEncodeError                        Traceback (most recent call last)
<ipython-input-28-b71365cb72a8> in <module>()
      1 fp = "gray.xlsx"
      2 df = pd.read_excel(fp)
----> 3 df["msg"] = df["msg"].map(cut_msg)
      4 li = df["msg"]
      5 with file(fp.replace(".xlsx", ".txt"), "wb") as wf:

/Users/yipu.si/anaconda/lib/python2.7/site-packages/pandas/core/series.pyc in map(self, arg, na_action)
   2156         else:
   2157             # arg is a function
-> 2158             new_values = map_f(values, arg)
   2159 
   2160         return self._constructor(new_values,

pandas/_libs/src/inference.pyx in pandas._libs.lib.map_infer (pandas/_libs/lib.c:66440)()

<ipython-input-26-f92cd72f89b6> in cut_msg(ustr)
      4 import jieba
      5 def cut_msg(ustr):
----> 6     return " ".join(jieba.lcut(str(ustr)))
      7 

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

解决方案

加入编码和解码语句
ustr.encode("raw\_unicode\_escape").decode("raw\_unicode\_escape").encode("utf8") # 这里的 utf8 根据实际数据编码而定

如下:

# -*- coding:utf-8 -*-

import pandas as pd
import jieba
def cut_msg(ustr):
    ustr = ustr.encode("raw_unicode_escape").decode("raw_unicode_escape").encode("utf8") # 这里的 utf8 根据实际数据编码而定
    return " ".join(jieba.lcut(str(ustr)))

后记

汉字编码问题一直困扰着处理文本数据的童鞋,我也在不断探索中,在此抛砖引玉,往路过大神指点迷津。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值