我正在尝试用python(仅限法语和/或西班牙语字符)读取带有重音字符的csv文件。基于csvreader的python 2.5文档(http://docs.python.org/library/csv.html),我想出了以下代码来读取csv文件,因为csvreader只支持ASCII。
def unicode_csv_reader(unicode_csv_data, dialect=csv.excel, **kwargs):
# csv.py doesn't do Unicode; encode temporarily as UTF-8:
csv_reader = csv.reader(utf_8_encoder(unicode_csv_data),
dialect=dialect, **kwargs)
for row in csv_reader:
# decode UTF-8 back to Unicode, cell by cell:
yield [unicode(cell, 'utf-8') for cell in row]
def utf_8_encoder(unicode_csv_data):
for line in unicode_csv_data:
yield line.encode('utf-8')
filename = 'output.csv'
reader = unicode_csv_reader(open(filename))
try:
products = []
for field1, field2, field3 in reader:
...
下面是我试图读取的csv文件的摘录:
0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert
...
即使我尝试编码/解码到UTF-8,我仍然得到以下异常:
Traceback (most recent call last):
File".\Test.py", line 53, in
for field1, field2, field3 in reader:
File".\Test.py", line 40, in unicode_csv_reader
for row in csv_reader:
File".\Test.py", line 46, in utf_8_encoder
yield line.encode('utf-8', 'ignore')
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 68: ordinal not in range(128)
我该怎么解决这个问题?
马丁,如果你在身边的话,你会考虑从马泰利的只有Python2的答案中转换接受的答案吗?
.encode方法被应用于unicode字符串以生成字节字符串;但您改为在字节字符串上调用它…走错路了!查看标准库中的codecs模块,尤其是codecs.open模块,以获得读取UTF-8编码文本文件的更好的通用解决方案。但是,特别是对于csv模块,您需要传递utf-8数据,这就是您已经得到的,因此您的代码可以简单得多:
import csv
def unicode_csv_reader(utf8_data, dialect=csv.excel, **kwargs):
csv_reader = csv.reader(utf8_data, dialect=dialect, **kwargs)
for row in csv_reader:
yield [unicode(cell, 'utf-8') for cell in row]
filename = 'da.csv'
reader = unicode_csv_reader(open(filename))
for field1, field2, field3 in reader:
print field1, field2, field3
PS:如果您的输入数据不是UTF-8格式,而是如ISO-8859-1格式,那么您确实需要一个"转码"(如果您希望在csv模块级别使用UTF-8),格式为line.decode('whateverweirdcodec').encode('utf-8'),但您可能只需在我上面的代码中使用yield行中现有编码的名称,而不是'utf-8',如csv实际上可以使用ISO-8859-*编码的字符串。
这是否意味着python文档中的示例(其中op copy&pasted来自)是错误的?当你给它一个unicode csv的时候,额外的编码步骤有什么意义呢?
请看python 3的这个答案
Python 2 x
有一个unicode csv库可以解决您的问题,另外还有一个好处就是不用导航来编写任何与csv相关的新代码。
以下是他们自述文件中的一个示例:
>>> import unicodecsv
>>> from cStringIO import StringIO
>>> f = StringIO()
>>> w = unicodecsv.writer(f, encoding='utf-8')
>>> w.writerow((u'é', u'?'))
>>> f.seek(0)
>>> r = unicodecsv.reader(f, encoding='utf-8')
>>> row = r.next()
>>> print row[0], row[1]
é ?
Python 3 x
在python 3中,这是由内置的csv模块现成支持的。请参见此示例:
import csv
with open('some.csv', newline='', encoding='utf-8') as f:
reader = csv.reader(f)
for row in reader:
print(row)
为我工作。泰纳克斯
同时在本帖中签出答案:https://stackoverflow.com/a/9347871/1338557
它建议使用名为ucsv.py的库。为解决Python2.7的编码问题(utf-8)而编写的csv的简短替换。还支持csv.dictleader
编辑:添加我使用的示例代码:
import ucsv as csv
#Read CSV file containing the right tags to produce
fileObj = open('awol_title_strings.csv', 'rb')
dictReader = csv.DictReader(fileObj, fieldnames = ['titles', 'tags'], delimiter = ',', quotechar = '"')
#Build a dictionary from the CSV file-> {:}
titleStringsDict = dict()
for row in dictReader:
titleStringsDict.update({unicode(row['titles']):unicode(row['tags'])})
你应该把链接的一些细节放在你的答案中,以防链接断开。
#落选者-不知道你为什么认为这没用。UCSV图书馆对我来说工作得很好。帮助解决了我2天来一直在努力解决的unicode错误。如果您正在寻找一些示例代码,这里是edit@yaje-我已经给出了一些详细信息;还有示例代码。并修正了之前指向其他帖子的链接。
您以二进制方式打开文本文件的具体原因是什么?rb'用于打开二进制文件。
如果您想读取编码为utf-8的csv文件,我建议您使用一种最低限度的方法,如下所示:
with open(file_name, encoding="utf8") as csv_file:
有了这个语句,您以后可以使用csv阅读器进行工作。
这可能只是python 3吗?在python 2中,它对我来说失败了。不接受open中的encoding。
像亚历克斯·马泰利建议的那样使用codecs.open对我很有用。
import codecs
delimiter = ';'
reader = codecs.open("your_filename.csv", 'r', encoding='utf-8')
for line in reader:
row = line.split(delimiter)
# do something with your row ...
它不适用于所有csv,下面是一个有效的csv行:"foo bar;baz";231;313;";;;";1;
您导入csv模块,但不使用它。
对于python 2.6来说,到帮助页面的链接是相同的,据我所知,自从2.5以来,csv模块没有任何变化(除了错误修复)。这里是不需要任何编码/解码就可以工作的代码(文件da.csv包含与变量数据相同的数据)。我假设您的文件应该在不进行任何转换的情况下正确读取。
测试:PY:
## -*- coding: utf-8 -*-
#
# NOTE: this first line is important for the version b) read from a string(unicode) variable
#
import csv
data = \
"""0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert"""
# a) read from a file
print 'reading from a file:'
for (f1, f2, f3) in csv.reader(open('da.csv'), dialect=csv.excel):
print (f1, f2, f3)
# b) read from a string(unicode) variable
print 'reading from a list of strings:'
reader = csv.reader(data.split('
'), dialect=csv.excel)
for (f1, f2, f3) in reader:
print (f1, f2, f3)
DA.CSV:
0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert
我想知道这将在哪一个版本的python中工作?2.7和3.5都有错误。"valueerror:值不足,无法解包(应为3,得到1)"
@EIS:我可以想象,在您的系统中,逗号不是默认的分隔符。尝试添加delimiter=',',而不是dialect=csv.excel。
查看Latin-1unicode表,我看到字符代码00E9"带锐音符的拉丁文小写字母e"。这是示例数据中的重音字符。在Python中的一个简单测试表明,该字符的UTF-8编码与unicode(几乎是UTF-16编码)不同。
>>> u'\u00e9'
u'\xe9'
>>> u'\u00e9'.encode('utf-8')
'\xc3\xa9'
>>>
我建议您在调用特殊的unicode_csv_reader()之前尝试使用encode("UTF-8")unicode数据。简单地从文件中读取数据可能会隐藏编码,因此请检查实际的字符值。