在读取csv时csv.DictReader正在使用哪种编码？

Question

我有一个csv文件保存编码为UTF-8。

它包含非ascii chars [umlauts]。

我正在使用以下方式阅读该文件：

csv.DictReader(<file>,delimiter=<delimiter>).

我的问题是：

1. 正在读取的文件是哪种编码？

2. 我注意到为了将字符串称为utf-8，我需要执行：

   str.decode('utf-8')
   

   是否有更好的方法，然后在一个编码中读取文件，然后转换为另一个，即utf-8？

[Python版本：2.7]

Answer 1

在Python 2.7中，CSV模块不应用任何解码 - 它以二进制模式打开文件并返回字节字符串。

使用https://github.com/jdunck/python-unicodecsv，即时解码。

使用它像：

with open("myfile.csv", 'rb') as my_file:    
    r = unicodecsv.DictReader(my_file, encoding='utf-8')

r将包含Unicodes的字典。源文件以binary模式打开非常重要。

Answer 2

如何使用实例和类来实现这一目标？

您可以在类级别存储共享字典，并使其加载Unicode文本文件，甚至可以检测其编码，无论是否使用BOM文件掩码。

很久以前我写了一个简单的库，用一个支持Unicode的默认值覆盖了默认的open()。

如果你import tendo.unicode，你将能够改变csv库加载文件的方式。

如果您的文件没有BOM表头，则库将采用UTF-8而不是旧的ascii。如果需要，您甚至可以指定其他后备编码。