Question

我有以下代码：

with open(filename, 'rt') as csvfile:
    csvDictReader = csv.DictReader(csvfile, delimiter=',', quotechar='"')
    for row in csvDictReader:
        print(row)

每当文件大小小于40k字节时，程序运行良好。当文件大小超过40k时，我在尝试读取文件时出现此错误：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa0 in position 7206: invalid start byte

实际的文件内容似乎不是问题，只有文件本身的大小（40k字节非常小）。

当文件大小超过40K字节时，错误总是发生在包含第32K字节的行上。

我有一种感觉，python无法读取超过40K字节的文件而没有异常，只是在第32K字节的中间截断它。那是对的吗？这个限制在哪里定义？

Answer 1

您的文件中包含无效的UTF-8数据。这与csv模块无关，也与文件大小无关;您的较大文件中包含无效数据，较小的文件则没有。只需做：

 with open(filename) as f:
     f.read()

某些错误应该触发相同的错误，这纯粹是遇到无效的UTF-8字节，这表明你的文件不是UTF-8开头的，或者某些文件已经被破坏了方式。

如果您的文件实际上是不同的编码（例如latin-1，cp1252等; file命令行实用程序可能有助于识别，但对于许多ASCII超集编码，您只需要知道），将其作为encoding参数传递给open以使用而不是默认的语言环境（在这种情况下为utf-8），这样你就可以了正确解码字节，例如：

    # Also add newline='' to defer newline processing to csv module, where it's part
    # of the CSV dialect
    with open(filename, encoding='latin-1', newline='') as csvfile:
        csvDictReader = csv.DictReader(csvfile, delimiter=',', quotechar='"')
        for row in csvDictReader:
            print(row)

Answer 2

文件大小不是真正的问题看到例外：

UnicodeDecodeError：＆＃39; utf-8＆＃39;编解码器不能解码位置7206中的字节0xa0：无效的起始字节

您应该首先处理编码问题

with open(filename, 'rt', encoding='utf-8', errors='ignore') as csvfile:

将忽略编码错误

当文件大小超过40K字节时，为什么csv.reader会失败？

2 个答案: