将 utf-8 格式的 Python 列表写入 CSV

Question

如何将 utf-8 字符写入 csv 文件？

我的数据和代码：

# -*- coding: utf-8 -*-

l1 = ["žžž", "ččč"]
l2 = ["žžž", "ččč"]

thelist = [l1, l2]

import csv
import codecs

with codecs.open('test', 'w', "utf-8-sig") as f:
   writer = csv.writer(f)
   for x in thelist:
       print x
       for mem in x:
           writer.writerow(mem) 

错误信息：

Traceback (most recent call last):
   File "2010rudeni priimti.py", line 263, in <module>
writer.writerow(mem)
 File "C:\Python27\lib\codecs.py", line 691, in write
return self.writer.write(data)
 File "C:\Python27\lib\codecs.py", line 351, in write
data, consumed = self.encode(object, self.errors)
 File "C:\Python27\lib\encodings\utf_8_sig.py", line 82, in encode
return encode(input, errors)
 File "C:\Python27\lib\encodings\utf_8_sig.py", line 15, in encode
return (codecs.BOM_UTF8 + codecs.utf_8_encode(input, errors)[0], len(input))
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 11: ordinal not in range(128)

按任意键继续。 . .

我的错误是什么？

Answer 1

2.x 中的 csv 模块不读/写 Unicode，它读/写字节（并假设它们是 ASCII 兼容的，但这不是 UTF-8 的问题）。

所以，当你给它一个codecs Unicode 文件来写入时，它会传递一个str 而不是unicode。当codecs 尝试将encode 转换为UTF-8 时，它必须首先将decode 转换为Unicode，它使用您的默认编码，即ASCII，但失败了。因此出现此错误：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 11: ordinal not in range(128)

解决方案在文档中进行了解释，Examples 中有一个包装器，可以为您处理所有事情。将UnicodeWriter 与纯二进制文件一起使用，而不是使用codecs 文件。

---

作为替代方案，PyPI 上有几个不同的包，它们封装了 csv 模块以直接处理 unicode 而不是 str，例如 unicodecsv。

作为更激进的替代方案，Python 3.x 的 csv 模块一开始就没有这个问题（而 3.x 也没有下一个问题）。

很多黑客的替代方法是假装整个世界都是 UTF-8。毕竟，您的源代码和输出都是 UTF-8 格式，而 csv 模块只关心少数字符（换行符、逗号、可能是引号和反斜杠）与 ASCII 兼容。所以你可以完全跳过解码和编码，一切都会奏效。这里明显的缺点是，如果你有任何错误，而不是调试错误，你会得到一个充满垃圾的文件。

---

您的代码还有另外两个问题，UnicodeWriter 或 unicodecsv 都不能神奇地修复（尽管 Python 3 可以修复第一个）。

首先，您实际上并没有提供 csv 模块 Unicode。源数据中的列是普通的旧 str 文字，例如 "žžž"。您不能将其编码为 UTF-8，或者更确切地说，您可以，但只能首先将其自动解码为 ascii，这只会再次导致相同的错误。使用 Unicode 文字，例如 u"žžž"，来避免这种情况（或者，如果您愿意，可以在源编码中明确地使用 decode……但这有点傻）。

其次，您没有在源代码中指定 encoding declaration，但您使用了非 ASCII 字符。从技术上讲，这在 Python 2.7 中是非法的。实际上，我很确定它会给您一个警告，但随后会将您的来源视为 Latin-1。这很糟糕，因为您显然没有使用 Latin-1 编辑器（您不能将 ž 放在 Latin-1 文本文件中，因为没有这样的字符）。如果您将文件保存为 UTF-8，然后告诉 Python 将其解释为 Latin-1，您最终会得到 žžž 而不是 žžž，以及类似的 mojibake。