Python 中 UTF-8 CSV 输入的问题

Question

这看起来应该很容易解决，但到目前为止，我还没有找到解决方案。我有一个单列 csv 文件，其中保存在 utf-8 中的非 ascii 字符，我想读入并存储在列表中。我正在尝试遵循"Unicode Sandwich" 的原则并在读取文件时进行解码：

import codecs
import csv

with codecs.open('utf8file.csv', 'rU', encoding='utf-8') as file:
input_file = csv.reader(file, delimiter=",", quotechar='|')
list = []
for row in input_file:
    list.extend(row)

这会产生可怕的“编解码器无法在位置编码字符，序数不在范围内 (128)”错误。

我也尝试过采用this answer 的解决方案，但会返回类似的错误

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 = 'inputs\encode.csv'
reader = unicode_csv_reader(open(filename))
target_list = []
for field1 in reader:
    target_list.extend(field1)

改编自docs 的非常相似的解决方案返回相同的错误。

def unicode_csv_reader(utf8_data, dialect=csv.excel):
    csv_reader = csv.reader(utf_8_encoder(utf8_data), dialect)
    for row in csv_reader:
        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 = 'inputs\encode.csv'
reader = unicode_csv_reader(open(filename))
target_list = []
for field1 in reader:
    target_list.extend(field1)

显然我错过了一些东西。我看到的有关此问题的大多数问题似乎早于 Python 2.7，因此此处的更新可能会很有用。

Answer 1

您的第一个 sn-p 不起作用。您正在将 unicode 数据提供给 csv 阅读器，但（如文档所述）无法处理它。

您的第二个和第三个 sn-ps 混淆了。您只需要以下内容：

f = open('your_utf8_encoded_file.csv', 'rb')
reader = csv.reader(f)
for utf8_row in reader:
    unicode_row = [x.decode('utf8') for x in utf8_row]
    print unicode_row

Answer 2

如果从第一个字符读取失败，您可能有一个 BOM。如果您的文件是 UTF8 并且开头有 BOM，请使用 codecs.open('utf8file.csv', 'rU', encoding='utf-8-sig')。

Answer 3

我建议尝试一下：

input_file = csv.reader(open('utf8file.csv', 'r'), delimiter=",", quotechar='|')

或

input_file = csv.reader(open('utf8file.csv', 'rb'), delimiter=",", quotechar='|')

csv 应该可以识别 unicode，并且应该可以正常工作。