Python 2.7 CSV文件读/写\ xef \ xbb \ xbf代码

Question

我有一个关于Python 2.7用' utf-8-sig'代码csv读写csv文件的问题。标头为

['\xef\xbb\xbfID;timestamp;CustomerID;Email']

"\xef\xbb\xbfID"我从文件中读取了一些代码（）A.csv，我想将相同的代码和标头写入文件B.csv

我的打印日志显示：

['\xef\xbb\xbfID;timestamp;CustomerID;Email']

但是实际的输出文件头看起来像

ÔªøID;timestamp

这是代码：

def remove_gdpr_info_from_csv(file_path, file_name, temp_folder, original_header):
    new_temp_folder = tempfile.mkdtemp()
    new_temp_file = new_temp_folder + "/" + file_name
    # Blanked new file
    with open(new_temp_file, 'wb') as outfile:
        writer = csv.writer(outfile, delimiter=";")
        print original_header
        writer.writerow(original_header)
        # File from SFTP
        with open(file_path, 'r') as infile:
            reader = csv.reader(infile, delimiter=";")
            first_row = next(reader)
            email = first_row.index('Email')
            contract_detractor1 = first_row.index('Contact Detractor (Q21)')
            contract_detractor2 = first_row.index('Contact Detractor (Q20)')
            contract_detractor3 = first_row.index('Contact Detractor (Q43)')
            contract_detractor4 = first_row.index('Contact Detractor(Q26)')
            contract_detractor5 = first_row.index('Contact Detractor(Q27)')
            contract_detractor6 = first_row.index('Contact Detractor(Q44)')
            indexes = []
            for column_name in header_list:
                ind = first_row.index(column_name)
                indexes.append(ind)

            for row in reader:
                output_row = []
                for ind in indexes:
                    data = row[ind]
                    if ind == email:
                        data = ''
                    elif ind == contract_detractor1:
                        data = ''
                    elif ind == contract_detractor2:
                        data = ''
                    elif ind == contract_detractor3:
                        data = ''
                    elif ind == contract_detractor4:
                        data = ''
                    elif ind == contract_detractor5:
                        data = ''
                    elif ind == contract_detractor6:
                        data = ''
                    output_row.append(data)
                writer.writerow(output_row)
    s3core.upload_files(SPARKY_S3, DESTINATION_PATH, new_temp_file)
    shutil.rmtree(temp_folder)
    shutil.rmtree(new_temp_folder)

Answer 1

'\xef\xbb\xbf'是ZERO WIDTH NO-BREAK SPACE U + FEFF的Unicode UTF8编码版本。它通常在unicode文本文件的开头用作字节顺序标记：

• 当您有3个字节时：'\xef\xbb\xbf'，则文件是utf8编码的
• 当您有2个字节时：'\xff\xfe'，则文件位于utf16 little endian中
• 当您有2个字节时：'\xfe\xff'，则文件位于utf16 big endian中

该'utf-8-sig'编码明确地要求提供的文件的开头写这个BOM

要在Python 2中读取csv文件时自动处理它，可以使用编解码器模块：

with open(file_path, 'r') as infile:
    reader = csv.reader(codecs.EncodedFile(infile, 'utf8-sig', 'utf8'), delimiter=";")

EncodedFile会通过解码原始文件对象来包装原始文件对象utf8-sig，实际上会跳过BOM表并在utf8没有BOM的情况下重新编码它。

Answer 2

您想使用库EncodedFile中的方法codecs，如 Serge Ballesta 的答案所示。

\n\n

但是，使用 Python 2.7 时，编码utf-8-sig不是 UTF8-sig 编码支持的别名，您需要使用utf_8_sig. 此外，方法属性的顺序需要首先定义输出数据编码，然后定义文件编码：codecs.EncodedFile(file,datacodec,filecodec=None,errors=\xe2\x80\x99strict\')

\n\n

这是完整的结果：

\n\n

import codecs\nwith open(file_path, \'r\') as infile:\n    reader = csv.reader(codecs.EncodedFile(infile, \'utf8\', \'utf_8_sig\'), delimiter=";")\n

\n