问题描述:
今天爬取了链家(长沙)二手房价格信息,准备读取相关*.csv文件进行相关数据的清洗工作,在读取*.csv 文件时。得到如下错误信息:
'gbk' codec can't decode byte 0xbf in position 2: illegal multibyte sequence
错误大致意思:Unicode的解码(Decode)出现错误(Error)了,以gbk编码的方式去解码(该字符串变成Unicode),但是此处通过gbk的方式,却无法解码(can’t decode )。“illegal multibyte sequence”意思是非法的多字节序列,即没法(解码)了。
报错Python 代码片段:
with open('长沙二手房数据.csv', "rb") as f:
csv_read = csv.reader(f)
for line in csv_read:
print(type('数据类型', line))
print(line)
第一次修改:指定模式:rt ,指定编码模式:gbk, 行记录默认为' '
with open('长沙二手房数据.csv', 'rt', newline='', encoding='gbk') as f:
csv_read = csv.reader(f)
for line in csv_read:
print('数据类型', type(line))
print(line)
修改后,还是提示相同错误信息。
第二次修改:指定模式:rt ,指定编码模式:utf-8, 行记录默认为' ',省略错误信息:ignore
with open('长沙二手房数据.csv', 'rt', newline='', encoding='utf-8', errors='ignore') as f:
csv_read = csv.reader(f)
for line in csv_read:
数据可以正常读取。