python打开csvutf-8报错_关于utf 8：使用Python读取UTF8 CSV文件

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。