Question

我有一个非常基本的Python问题。

我正在尝试编写一个脚本，消除了一些.csv文件中的大量空白行，而我编写的脚本对我的文件大约有90％起作用，但有几个会向我抛出以下错误：

Traceback (most recent call last):
  File "/Users/stephensmith/Documents/Permits/deleterows.py", line 17, in <module>
    deleteRow(file, "output/" + file)
  File "/Users/stephensmith/Documents/Permits/deleterows.py", line 8, in deleteRow
    for row in csv.reader(input):
  File "/Library/Frameworks/Python.framework/Versions/3.4/lib/python3.4/codecs.py", line 319, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
  File "/Library/Frameworks/Python.framework/Versions/3.4/lib/python3.4/encodings/utf_8_sig.py", line 69, in _buffer_decode
    return codecs.utf_8_decode(input, errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa2 in position 6540: invalid start byte

这是我的代码：

import csv
import os

def deleteRow(in_fnam, out_fnam):
    input = open(in_fnam, 'r')
    output = open(out_fnam, 'w')
    writer = csv.writer(output)
    for row in csv.reader(input):
        if any(row):
            writer.writerow(row)
    input.close()
    output.close()

for file in os.listdir("/Users/stephensmith/Documents/Permits/"):
    print(file)
    if file.endswith(".csv"):
        deleteRow(file, "output/" + file)

我尝试在我的两个open（）语句中添加encoding ='utf-8'，='ascii'和='latin1'，但没有运气。 :-(知道我做错了吗？.csv文件是用Excel for Mac 2011创建的，如果这有帮助的话。

Answer 1

也许您可以尝试循环使用以下内容崩溃的csv文件：

UTC time 2015-Jun-16 15:45:16
Local Time 2015-Jun-16 21:15:16

查看是否有任何可疑字符弹出。

如果您能够以这种方式识别可疑字符，请弹出 \0Xý1，您可以通过重写和替换该字符来清理文件：

with open(file) as f:
    for line in f:
        print repr(line)

然后再次使用已清理的文件。

Answer 2

这是一个编码问题。输入csv文件不是像Python平台所期望的那样进行utf-8编码。问题是，如果不知道它的编码，也没有一个违规行的例子，我真的无法猜测编码。

encoding='utf8'和encoding='ascii'都是正常的，因为违规字符是0xa2，不在ascii范围内（＆lt; = 0x7f）而不是有效的utf-8字符。但是encoding='latin1'在同一个地方给出相同的错误真是奇怪，因为在latin1中0xa2是¢。

恕我直言，根据this other SO post，您可以尝试encoding='windows-1252'，如果您的平台支持它。

如果仍然无效，您应该尝试识别latin1的违规行：

class special_opener:
    def __init__(self, filename, encoding):
        self.fd = open(filename, 'rb')
        self.encoding = encoding
    def __enter__(self):
        return self
    def __exit__(self, exc_type, exc_value, traceback):
        return False
    def __next__(self):
        line = next(self.fd)
        try:
            return line.decode(self.encoding).strip('\r\n') + '\n'
        except Exception as e:
            print("Offending line : ", line, file = sys.stderr)
            raise e
    def __iter__(self):
        return self

def deleteRow(in_fnam, out_fnam):
    input = special_opener(in_fnam, 'latin1')
    output = open(out_fnam, 'w')
    writer = csv.writer(output)
    for row in csv.reader(input):
        if any(row):
            writer.writerow(row)
    input.close()
    output.close()

special_opener应该输出如下内容：

Offending line :  b'a,\xe9,\xe8,d\r\n'
Traceback (most recent call last):
    ...

（此行有效latin1，我使用special_opener(file, 'utf8')）

然后你就可以在这里发布违规行了

.csv文件

2 个答案: