Question

假设我读了一个html网站，我得到了一个名单，例如：'Amiel，Henri-Frédéric'。

为了获取名称列表，我使用以下代码解码html：

f = urllib.urlopen("http://xxx.htm")
html = f.read()
html=html.decode('utf8')
t.feed(html)
t.close()
lista=t.data

此时，变量lista包含一个名称列表，如：

[u'Abatantuono，Diego'， ......， u'Amiel，Henri-Frédéric']

现在我想：

将这些名称放在DataFrame中;
将DataFrame保存在csv文件中;
通过DataFrame

为简单起见，我们只考虑以上名称来完成步骤1到3.我将使用以下代码：

name=u'Amiel, Henri-Fr\xe9d\xe9ric'
name=name.encode('utf8')
array=[name]
df=pd.DataFrame({'Names':array})
df.to_csv('names')
uni=pd.read_csv('names')
uni #trying to read the csv file in a DataFrame

此时我收到以下错误：

UnicodeDecodeError: 'utf8' codec can't decode byte 0xe9 in position 67: invalid continuation byte

如果我用以下代码替换上面代码的最后一行：

print uni

我可以阅读DataFrame，但我认为这不是解决此问题的正确方法。

我向其他用户发布了很多关于这个论点的问题，但我没有解决这个问题。

Answer 1

to_csv方法和read_csv函数都采用encoding参数。用它。并在内部使用unicode。如果不这样做，尝试在程序中进行编码/解码将为您提供。

import pandas as pd

name = u'Amiel, Henri-Fr\xe9d\xe9ric'
array = [name]
df = pd.DataFrame({'Names':array})
df.to_csv('names', encoding='utf-8')
uni = pd.read_csv('names', index_col = [0], encoding='utf-8')
print uni  # for me it works with or without print

出：

                   Names
0  Amiel, Henri-Frédéric

如何从python中的csv读取编码字符串的数据帧

1 个答案: