使用python处理中文csv文件，并让excel正确显示中文（避免乱码）

使用python2处理中文时，经常会出现乱码问题，之前使用python处理中文csv文件时，处理过程程序输出出现了乱码，最后在程序中能够正常显示出中文，但是导出文件时，使用excel打开出现了中文乱码问题，但是使用ultraedit打开时，能正常显示。现在找到了问题的所在，总结如下：

 

1）程序输出中出现乱码的原因是因为python2中中文编码的问题，需要注意的是要将处理的中文文件的编码和python源文件的编码保持一致，这样不会出现中文乱码。可以参考这两篇文章关于Python脚本开头两行的：#!/usr/bin/python和# -*- coding: utf-8 -*-的作用 – 指定和Python中用encoding声明的文件编码和文件的实际编码之间的关系

2）在程序中能够正常输出中文，但是导出到文件后使用excel打开是出现中文乱码是因为excel能够正确识别用gb2312、gbk、gb18030或utf_8 with BOM 编码的中文，如果是utf_8 no BOM编码的中文文件，excel打开会乱码。

 

根据以上两点，结合自己的情况：我使用的是jupyter的ide，创建的python源文件为utf8 no BOM格式的编码，而要处理的csv文件是用gbk编码的，所以我需要将使用gbk编码的csv文件转为utf_8编码。

 

 

import codecs

def ReadFile(filePath,encoding):
    with codecs.open(filePath,"r",encoding) as f:
        return f.read()
def WriteFile(filePath,u,encoding):
    with codecs.open(filePath,"w",encoding) as f:
        f.write(u)
'''
定义GBK_2_UTF8方法，用于转换文件存储编码
'''
def GBK_2_UTF8(src,dst):
    content = ReadFile(src,encoding='gbk')
    WriteFile(dst,content,encoding='utf_8')
    

'''
qyx.csv文件使用GBK编码存储，现在将其转为UTF_8存储
'''
src = 'qyx.csv'
dst = 'qyx_utf8.csv'
GBK_2_UTF8(src,dst)

 

 

 

 

 

使用上面的代码能够将使用GBK编码的文件转为UTF8编码的文件。接下来就是真正处理csv文件了。

 

import pandas as pd
from urllib import unquote

'''
读取转换存储格式后的文件
'''
path = 'qyx_utf8.csv'
data = pd.read_csv(path,)
data.head()

 

 

处理csv文件：

 

'''
使用unquote方法对第三列的url进行decode
'''
#data['newcol'] = data[u'关键词代码'].map(unquote) #这样会导致key识别错误，正确做法应该是去掉u
data['newcol'] = data['关键词代码'].map(unquote)#也可以使用ix来取得第三列的数据
#data['newcol'] = data.ix[:,3].map(unquote)

data.head()

 

 

 

 

 

将data导出到文件中：

 

'''
将结果导出到result.csv中,以UTF_8 with BOM编码（微软产品能正确识别UTF_8 with BOM存储的中文文件）存储
'''
#data.to_csv('result_utf8_no_bom.csv',encoding='utf_8')#导出的结果不能别excel正确识别
data.to_csv('result_utf8_with_bom.csv',encoding='utf_8_sig')

 

使用excel打开result_utf8_no_bom.csv和result_utf8_with_bom.csv，发现能够正确识别result_utf8_with_bom.csv文件

 

 

想学人工智能（Python、数据分析、机器学习、深度学习、推荐系统、强化学习），来公众号AI派看看吧！！