用Python读取UTF8CSV文件

Question

用Python读取UTF8CSV文件

我试图用Python读取带有重音字符的CSV文件(只有法语和/或西班牙语字符)。基于用于csvReader的Python2.5文档(http://docs.python.org/library/csv.html)，我想出了下面的代码来读取CSV文件，因为csvReader只支持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:
        ...

下面是我正在读的CSV文件的摘录：

0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS)
 - Bleu0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - 
 Gris0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert...

尽管我试图对UTF-8进行编码/解码，但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)

我该怎么解决这个问题？

Answer 1

这个.encode方法被应用于Unicode字符串以生成字节字符串；但是您要在字节字符串上调用它.走错路了！看看codecs模块在标准库和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，对于csv特别是模块，您需要传递utf-8数据，这就是您已经得到的数据，所以您的代码可以简单得多：import csvdef 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, field3PS：如果您的输入数据不是在utf-8中，而是在iso-8859-1中，那么您确实需要一个“转码”(如果您热衷于在csv(模块级)，line.decode('whateverweirdcodec').encode('utf-8')-但是您可能只需在yield代码中的行，而不是'utf-8'，如csv

Answer 2

Python2.x有一个Unicode-CSV库，它应该可以解决您的问题，并增加了不编写任何与csv相关的新代码的好处。下面是他们自述的一个例子：>>> 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 ñPython 3.x在python 3中，内置程序支持开箱即用。csv模块。参见此示例：import csvwith open('some.csv', newline='', encoding='utf-8') as f:     reader = csv.reader(f)     for row in reader:         print(row)