Unicode CSV Python答案

【问题标题】：Unicode CSV PythonUnicode CSV Python
【发布时间】：2016-11-14 17:25:59
【问题描述】：

我无法做到这一点。我有一个 CSV 文件，其中已经编码了字符（我制作了一个较小的 CSV 文件进行测试，但原始文件更长）：

伊斯坦 H\xe1ta M\xf6g\xf6tt
西格 R\xf3s
\xd3lafur

我无法解码这些字符串。我尝试通过简单地读取该行然后执行 line.decode('latin1') 对其进行解码，但它似乎不起作用。当我查看原始字符串时，我注意到这些字符被一个额外的反斜杠转义了。因此，我尝试在解码之前先对原始字符串进行 unicode-escape；这似乎也不起作用。字符串保持原样（尽管在原始字符串中删除了额外的反斜杠）。

当我用示例项目对手动列表进行硬编码时，解码工作正常，我得到正确的字符。

所以，只有当我从 CSV 文件中读取它时，它才能正常工作。有人知道哪里出错了吗？

【问题讨论】：

这是 python 2.x 还是 3.x？
这是python 2.7
您最初是如何在文件中获取该文本的？它的双重编码。
这些数据不是我自己创建的。试图弄清楚如何从中获得正确的文本。为什么当我手动将它放入字符串/列表时它会很好，但是当我从 CSV 中读取它时却不起作用？
如果您将foo = "Isten H\xe1ta M\xf6g\xf6tt" 放入python 脚本，python 会以与bar = "one\ntwo\nthree\n" 中的换行符相同的方式对其进行转义。如果将完全相同的文本放在 csv 文件中，则 python 编译器不会对其进行解析，也不会进行转义。这就是string_escape 编码的用途。似乎有人使用 python 打印字符串列表，然后将它们复制/粘贴到文件中。不要那样做！

标签： python csv unicode

【解决方案1】：

字符在内存和文件中具有不同的表示形式。字符串可以用多种方式编码，包括latin-1 编码或utf-8，但在这种情况下，我们看到文字\xf6，我们所拥有的是一个已转义的字符串。我们可以通过解码转义来解决这个问题

>>> print open('data.csv').readline().decode('string_escape')
Isten H�ta M�g�tt

但这只是让我们成功了一半，我们仍然被编码。现在是双重解码

>>> print open('data.csv').readline().decode('string_escape').decode('latin1')
Isten Háta Mögött

知道了！问题出在文件中。

【讨论】：

【解决方案2】：

>>> mystring = 'Sigur R\xf3s'
>>> print mystring
Sigur R�s
>>> print mystring.decode('latin-1')
Sigur Rós

似乎在 python 2.7 上运行良好，你能显示一些代码和它产生的错误吗？

【讨论】：

这是我尝试过的，然后就可以了。从 CSV 读取时，我无法让它工作