read - python write file utf8




用Python讀取UTF8 CSV文件 (4)

我正在嘗試使用Python(只有法文和/或西班牙文字符)讀取帶有重音字符的CSV文件。 基於csvreader( http://docs.python.org/library/csv.html )的Python 2.5文檔,我想出了以下代碼來讀取CSV文件,因為csvreader僅支持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:
        ...

以下是我想要讀取的CSV文件的摘錄:

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
...

儘管我嘗試編碼/解碼為UTF-8,但我仍然遇到以下異常:

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)

我該如何解決?


Python 2.X

有一個unicode-csv庫可以解決你的問題,並且不需要編寫任何新的與csv相關的代碼。

以下是自述文件中的一個示例:

>>> 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,這是由內置csv模塊開箱即用的。 看到這個例子:

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

.encode方法被應用於一個Unicode字符串來創建一個字節字符串; 但是你用一個字節串來調用它,而不是......錯誤的方式! 查看標準庫和codecs中的codecs模塊,特別是為閱讀UTF-8編碼文本文件提供更好的通用解決方案。 但是,特別是對於csv模塊,您需要傳遞utf-8數據,這就是您已經獲得的數據,因此您的代碼可以更簡單:

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:如果你的輸入數據不在utf-8中,但是在ISO-8859-1中,那麼你需要一個“轉碼”(如果你想在csv模塊級別使用utf-8) ),形式為line.decode('whateverweirdcodec').encode('utf-8') - 但可能你可以在上面的代碼的yield行中使用現有編碼的名稱,而不是'utf-8' ,因為在ISO-8859- *編碼的字節串中csv實際上會很好。


到python 2.6的幫助頁面的鏈接是相同的,據我所知,從2.5開始csv模塊沒有變化(除了bug修復)。 這裡是沒有任何編碼/解碼的代碼(文件da.csv包含與變量數據相同的數據 )。 我假設你的文件應該沒有任何轉換就能正確讀取。

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)

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

同時結帳在這篇文章中的答案: https://.com/a/9347871/1338557 : https://.com/a/9347871/1338557

它建議使用名為ucsv.py的庫。 用於解決Python 2.7的編碼問題(utf-8)的簡短而簡單的CSV替換。 還提供對csv.DictReader的支持

編輯 :添加我使用的示例代碼:

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'])})




character-encoding