使用Python读取UTF8 CSV文件

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的Python 2.5文档(http://docs.python.org/library/csv.html),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,我仍然得到以下异常:

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？

Answer 1

该.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codecs标准库中的模块,codecs.open特别是用于读取UTF-8编码文本文件的更好的通用解决方案.但是,csv特别是对于模块,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,而是例如ISO-8859-1,那么你需要一个"转码"(如果你热衷于在csv模块级别使用utf-8 ) ,形式line.decode('whateverweirdcodec').encode('utf-8')-但或许你可以在使用的名称现有的编码yield在我上面的代码行,而不是'utf-8'作为csv实际上将是刚刚与ISO-8859-*编码的字节串罚款.

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编写任何新的csv相关代码.

以下是他们自述的示例:

>>> 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.看这个例子:

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

Answer 3

如果您想读取编码为utf-8的CSV文件，我建议您使用以下类似方法：

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

使用该语句，以后可以使用CSV阅读器进行处理。

Answer 4

我建议当您想打开文件时使用以下代码。

open('/content/sasan.csv' , 'r', encoding='utf-8', errors='ignore' )