CSV 文件在通过 Python 编写后被操作系统视为“数据”而不是“ASCII”答案

【问题标题】：CSV file seen as 'data' rather than 'ASCII' by OS after written via PythonCSV 文件在通过 Python 编写后被操作系统视为“数据”而不是“ASCII”
【发布时间】：2015-07-23 15:52:47
【问题描述】：

我正在使用 Python 2.7.5 读取 CSV 文件 (input.csv)，忽略某些行，然后将结果写入新的 CSV 文件 (output.csv)。我做了很多不同的尝试，但它们都导致操作系统（Red Hat 和 Mac OS X）将输出文件视为“数据”，而不是“ASCII 文本”。

输入.csv：

cat -v input.csv (truncated)
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Windows\Spooler,yes,1^M
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Windows\AppInit_DLLs,no,A^M
HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager,seed,0x714b3c99^M

file input.csv
input.csv: data

script.py（最新尝试）：

import io

input_file = '/Users/spork_user/Desktop/input.csv'
output_file = '/Users/spork_user/Desktop/output.csv'    

with io.open(input_file, 'r', newline='\r\n') as infile, io.open(output_file, 'w', newline='\n') as outfile:
    for line in infile:
        #filters for lines I don't want, for example:
        if "Does not exist" in line:
            continue

        #to verify how the line appears to python when it reads it in
        print repr(line)

        #without the rstrip, i get a blank line between each line in my output, and it's still seen as 'data'
        outfile.write(unicode(line.rstrip('\r\n')+'\n'))

运行：

python script.py (truncated)
u'HKEY_LOCAL_MACHINE\\SOFTWARE\\Microsoft\\Windows NT\\CurrentVersion\\Windows\\Spooler,yes,1\r\n'
u'HKEY_LOCAL_MACHINE\\SOFTWARE\\Microsoft\\Windows NT\\CurrentVersion\\Windows\\AppInit_DLLs,no,A\r\n'
u'HKEY_LOCAL_MACHINE\\SYSTEM\\CurrentControlSet\\Control\\Session Manager,seed,0x714b3c99\r\n'

输出.csv：

cat -v output.csv (truncated)
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Windows\Spooler,yes,1
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Windows\AppInit_DLLs,no,A
HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager,seed,0x714b3c99

file output.csv
output.csv: data

无论我尝试使用哪种打开读/写标志组合或换行符剥离，output.csv 文件最终都会被操作系统视为“数据”。

然而，如果我用硬编码的输出制作一个简化的脚本，它会为我提供我正在寻找的 ASCII 文件类型：

simplified.py：

import io

output_file = '/Users/spork_user/Desktop/simple_output.csv'
with io.open(output_file, 'w', newline='\n') as outfile:
    outfile.write(unicode('hello\n'))
    outfile.write(unicode('this\n'))
    outfile.write(unicode('works\n'))

运行：

python simplified.py
<no output>

simple_output.csv：

cat -v simple_output.csv
hello
this
works

file simple_output.csv
simple_output.csv: ASCII text

如何让操作系统将 output.csv 视为 ASCII 文本，如 simple_output.csv？

谢谢

【问题讨论】：

标签： python file unix csv ascii

【解决方案1】：

您的input.csv 文件是正确的。为了简化 CSV 文件跨不同架构的移植，约定是行尾应该是 \r\n，即使文本文件的本地约定在 '\n'（类 Unix）或 \r（Mac）

问题是文件实用程序没有意识到这一点，并且错误地将文件指向二进制文件，它可以说是 text/csv 文件 或至少是 MS/DOS 文本文件

参考：Comma-Separated Values on Wikipedia 说：

标准化

...

RFC 4180 形式化的 CSV。它定义了 MIME 类型“text/csv”，并且遵循其规则的 CSV 文件应该具有非常广泛的可移植性。其中要求：

以 (CR/LF) 字符结尾的 MS-DOS 样式行（最后一行可选）
...

然后怎么办：忽略file 说文件是数据的问题，它是一个完全正确的文本/csv 文件（无论如何，像vim 这样的优秀编辑器可以处理不同的行尾约定)

【讨论】：