Python打开JSON/CSV文件的正确方式

前言

我们在使用python的过程中，经常需要它完成一些数据处理的工作，其中尤以json/csv文件为常见。今天，博主针对UnicodeDecodeError异常进行试验，因为这个是新手最容易犯错的地方。

Q：如何应对 UnicodeDecodeError

读取 .csv 或 .json 文件时，我们可能会遇到诸如： 'gbk' codec can't decode byte xx: illegal multibyte sequence 或 incomplete multibyte sequence。通过直觉判断是字符编码的问题，那么又该如何解决？

一、csv文件

1. 现场还原

我们读csv文件时，有两种方式：

1.1 使用pathlib

from pathlib import Path

path = Path("123.csv")
# 读取所有行
rows = path.read_text().splitlines()
print(rows)

1.2 使用csv库

import csv

f = open("123.csv")
reader = csv.reader(f, delimiter=",")
# 第一种方法：遍历reader
rows = [row for row in reader]
print(rows)

# 第二种方法：遍历reader
rows = enumerate(reader)
for index, row in rows:
	# 按索引返回每行，默认是list，需通过row[0]完成数据获取,tt为每列分隔符
    print(index, row[0].split("tt"))

上述两种方式均支持对csv文件进行数据解析。但是问题在于未指定字符编码，所以两种方式均会提示该异常，如下图所示：

2. 正确方式

2.1 使用pathlib

from pathlib import Path

path = Path("123.csv")
# 读取所有行，并且指定字符编码
rows = path.read_text(encoding="utf-8").splitlines()
print(rows)

需要注意的是，我们在使用pathlib时，在Path()中也可以指定encoding="utf-8"，但是很遗憾会获得一个warning并且并不会产生期望的结果：
DeprecationWarning: support for supplying keyword arguments to pathlib.PurePath is deprecated and scheduled for removal in Python 3.14

形如：

# 定义字符编码无效，直接放弃
 path = Path("123.csv", encoding="utf-8")

2.2 使用csv标准库

import csv

f = open("123.csv", encoding="utf-8")
reader = csv.reader(f, delimiter=",")
# # 第一种方法：遍历reader
rows = [row for row in reader]
print(rows)

# 第二种方法：遍历reader
rows = enumerate(reader)
for index, row in rows:
	# 按索引返回每行，默认是list，需通过row[0]完成数据获取,tt为分隔符
    print(index, row[0].split("tt"))

通过指定encoding实现处理时的字符编码与文件保持一致，可以避免不必要的犯错。总之一句话，“养成好习惯，学习美又欢”。

二、json文件

我们在读取json文件时，也会遇到该问题，这里博主直接贴正确的写法：

import json

# 同csv一样，指定encoding
f = open("data.json", encoding="utf-8")
# 将json字符串转为json对象
data_obj = json.loads(f.read())
# 根据key, 返回value
print(f"credit_code is: {data_obj["credit_code"]}")

# 将json对象转为字符串
data_str = json.dumps(data_obj, indent=4)
print(f"type is: {type(data_str)}")

运行结果如下：

结语

针对UnicodeDecodeError，博主提供了错误和正确的示例，相信能够从中获取一些帮助。