Question

我正在尝试使用Python（只有法语和/或西班牙语字符）读取带有重音字符的CSV文件。基于csvreader（http://docs.python.org/library/csv.html）的Python 2.5文档，我提出了以下代码来读取CSV文件，因为csvreader仅支持ASCII。

def unicode_csv_reader(unicode_csv_data, dialect=csv.excel, **kwargs):
    # csv.py doesn't do Unicode; encode temporarily as UTF-8:
    csv_reader = csv.reader(utf_8_encoder(unicode_csv_data),
                            dialect=dialect, **kwargs)
    for row in csv_reader:
        # decode UTF-8 back to Unicode, cell by cell:
        yield [unicode(cell, 'utf-8') for cell in row]

def utf_8_encoder(unicode_csv_data):
    for line in unicode_csv_data:
        yield line.encode('utf-8')

filename = 'output.csv'
reader = unicode_csv_reader(open(filename))
try:
    products = []
    for field1, field2, field3 in reader:
        ...

以下是我试图阅读的CSV文件的摘录：

0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert
...

即使我尝试编码/解码为UTF-8，我仍然会遇到以下异常：

Traceback (most recent call last):
  File ".\Test.py", line 53, in <module>
    for field1, field2, field3 in reader:
  File ".\Test.py", line 40, in unicode_csv_reader
    for row in csv_reader:
  File ".\Test.py", line 46, in utf_8_encoder
    yield line.encode('utf-8', 'ignore')
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 68: ordinal not in range(128)

我该如何解决这个问题？

Answer 1

.encode方法应用于Unicode字符串以生成字节字符串;但是你用字节串来调用它......错误的方式'回合！查看标准库中的codecs模块和codecs.open，以获得更好的读取UTF-8编码文本文件的一般解决方案。但是，对于csv模块，您需要传入utf-8数据，这就是您已经获得的数据，因此您的代码可以更加简单：

import csv

def unicode_csv_reader(utf8_data, dialect=csv.excel, **kwargs):
    csv_reader = csv.reader(utf8_data, dialect=dialect, **kwargs)
    for row in csv_reader:
        yield [unicode(cell, 'utf-8') for cell in row]

filename = 'da.csv'
reader = unicode_csv_reader(open(filename))
for field1, field2, field3 in reader:
  print field1, field2, field3

PS：如果结果是你的输入数据不是utf-8，而是在ISO-8859-1中，你确实需要一个“转码”（如果你热衷于在csv模块级别使用utf-8），line.decode('whateverweirdcodec').encode('utf-8')形式 - 但可能你我可以在上面代码的yield行中使用您现有编码的名称，而不是'utf-8'，因为csv实际上可以使用ISO-8859- *编码字节串。

Answer 2

Python 2.X

有一个unicode-csv库可以解决你的问题，还有一点好处，就是不要写任何新的csv相关代码。

以下是他们自述文件的一个例子：

>>> import unicodecsv
>>> from cStringIO import StringIO
>>> f = StringIO()
>>> w = unicodecsv.writer(f, encoding='utf-8')
>>> w.writerow((u'é', u'ñ'))
>>> f.seek(0)
>>> r = unicodecsv.reader(f, encoding='utf-8')
>>> row = r.next()
>>> print row[0], row[1]
é ñ

Python 3.X

在python 3中，内置csv模块支持开箱即用。见这个例子：

import csv
with open('some.csv', newline='', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

Answer 3

同时在这篇文章中查看答案： https://stackoverflow.com/a/9347871/1338557

建议使用名为ucsv.py的库。短而简单的CSV替换，用于解决Python 2.7的编码问题（utf-8）。还提供对csv.DictReader

的支持

修改：添加我使用的示例代码：

import ucsv as csv

#Read CSV file containing the right tags to produce
fileObj = open('awol_title_strings.csv', 'rb')
dictReader = csv.DictReader(fileObj, fieldnames = ['titles', 'tags'], delimiter = ',', quotechar = '"')
#Build a dictionary from the CSV file-> {<string>:<tags to produce>}
titleStringsDict = dict()
for row in dictReader:
    titleStringsDict.update({unicode(row['titles']):unicode(row['tags'])})

Answer 4

使用codecs.open作为Alex Martelli建议证明对我有用。

import codecs

delimiter = ';'
reader = codecs.open("your_filename.csv", 'r', encoding='utf-8')
for line in reader:
    row = line.split(delimiter)
    # do something with your row ...

Answer 5

如果您想读取编码为utf-8的CSV文件，我建议您使用以下这种简单方法：

        with open(file_name, encoding="utf8") as csv_file:

使用该语句，以后可以使用CSV阅读器进行操作。

Answer 6

对于python 2.6，帮助页面的链接是相同的，据我所知，自2.5以来csv模块没有变化（除了bug修复）。以下是没有任何编码/解码的代码（文件da.csv包含与变量 data 相同的数据）。我假设您的文件应该正确读取而不进行任何转换。

<强> test.py：

## -*- coding: utf-8 -*-
#
# NOTE: this first line is important for the version b) read from a string(unicode) variable
#

import csv

data = \
"""0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert"""

# a) read from a file
print 'reading from a file:'
for (f1, f2, f3) in csv.reader(open('da.csv'), dialect=csv.excel):
    print (f1, f2, f3)

# b) read from a string(unicode) variable
print 'reading from a list of strings:'
reader = csv.reader(data.split('\n'), dialect=csv.excel)
for (f1, f2, f3) in reader:
    print (f1, f2, f3)

<强> da.csv：

0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert

Answer 7

查看Latin-1 unicode table，我看到字符代码00E9“ LATIN SMALL LETTER E WITH ACUTE ”。这是示例数据中的重音字符。 Python中的简单测试表明，此字符的UTF-8编码与unicode（几乎UTF-16）编码不同。

>>> u'\u00e9'
u'\xe9'
>>> u'\u00e9'.encode('utf-8')
'\xc3\xa9'
>>>

我建议您在调用特殊encode("UTF-8")之前尝试unicode_csv_reader() unicode数据。只是从文件中读取数据可能会隐藏编码，因此请检查实际的字符值。

Answer 8

在另一台服务器上遇到了同样的问题，但是意识到语言环境混乱。

export LC_ALL="en_US.UTF-8"

解决了问题

Answer 9

值得一提的是，如果对您没有任何帮助，那么您可能已经忘记了逃脱自己的道路。
例如，这段代码：

f = open("C:\Some\Path\To\file.csv")

会导致错误：

SyntaxError：（unicode错误）“ unicodeescape”编解码器无法解码字节位置2-3：截断\ UXXXXXXXX逃脱

要解决，只需执行以下操作：

f = open("C:\\Some\\Path\\To\\file.csv")

使用Python读取UTF8 CSV文件

9 个答案:

Python 2.X

Python 3.X