从服务器链接下载压缩的 csv 文件并读入 pandas

Question

我一直在尝试使用来自服务器主机 URL 的请求库下载压缩的 csv。

当我从同一服务器下载一个不需要压缩的较小文件时，它在 CSV 中读取没有问题，但是使用这个我返回编码错误。

我尝试了多种类型的编码，读取为 pandas csv，读取为 zip 文件并打开（此时我收到文件不是 zip 文件的错误）。

我还尝试使用此处建议的 zipfile 库：Reading csv zipped files in python

并且还尝试在read_csv 中设置编码和压缩。

适用于非压缩服务器文件的代码如下：

response = requests.get(url, auth=HTTPBasicAuth(un, pw), stream=True, verify = False)
dfs = pd.read_csv(response.raw)

但在用于此文件时返回'utf-8' codec can't decode byte 0xfd in position 0: invalid start byte。

我也试过了：

request = get(url, auth=HTTPBasicAuth(un, pw), stream=True, verify=False)
zip_file = ZipFile(BytesIO(request.content))
files = zip_file.namelist()
with gzip.open(files[0], 'rb') as csvfile:
    csvreader = csv.reader(csvfile)
    for row in csvreader:
        print(row)

返回一个 seek 属性错误。

Answer 1

这是一种方法：

import pandas as pd
import requests
from requests.auth import HTTPBasicAuth
from zipfile import ZipFile
import io

# Example dataset
url = 'https://www.stats.govt.nz/assets/Uploads/Retail-trade-survey/Retail-trade-survey-September-2020-quarter/Download-data/retail-trade-survey-september-2020-quarter-csv.zip'

response = requests.get(url, auth=HTTPBasicAuth(un, pw), stream=True, verify=False)
with ZipFile(io.BytesIO(response.content)) as myzip:
    with myzip.open(myzip.namelist()[0]) as myfile:
        df = pd.read_csv(myfile)

print(df)

如果您想读取多 csv 压缩文件中的特定 csv，请将 myzip.namelist()[0] 替换为您要读取的文件。如果不知道它的名字，可以用print(ZipFile(io.BytesIO(response.content)))查看zip文件内容