python读写csv时中文乱码问题解决办法

时间:2024-04-15 11:37:28

参考1

参考2

参考3

CSV是英文Comma Separate Values(逗号分隔值)的缩写,顾名思义,文档的内容是由 “,” 分隔的一列列的数据构成的,可以使用excel和文本编辑器等打开。CSV文档是一种编辑方便,可视化效果极佳的数据存储方式

1、python读写、追加csv方法:

‘r’:只读(缺省。如果文件不存在,则抛出错误)
‘w’:只写(如果文件不存在,则自动创建文件)
‘a’:附加到文件末尾(如果文件不存在,则自动创建文件)
‘r+’:读写(如果文件不存在,则抛出错误)

1 import csv,os
2 if os.path.isfile(\'test.csv\'):
3     with open("test.csv","r") as csvfile:
4         reader = csv.reader(csvfile)
5         #这里不需要readlines
6         for line in reader:
7             print line
import csv

#python2可以用file替代open
#不存在则会创建文件
with open("test.csv","w") as csvfile: 
    writer = csv.writer(csvfile)

    #先写入columns_name
    writer.writerow(["index","a_name","b_name"])
    #写入多行用writerows
    writer.writerows([[0,1,3],[1,2,3],[2,3,4]])
import csv

#python2可以用file替代open
#不存在则会创建文件
with open("test.csv","a") as csvfile: 
    writer = csv.writer(csvfile)

    #先写入columns_name
    writer.writerow(["index","a_name","b_name"])
    #写入多行用writerows
    writer.writerows([[0,1,3],[1,2,3],[2,3,4]])

2、excel打开csv文件,可以识别编码“GB2312”,但是不能识别“utf-8”,数据库里的字符串编码是utf-8.因此:

当从csv读取数据(data)到数据库的时候,需要先把GB2312转换为unicode编码,然后再把unicode编码转换为utf-8编码:data.decode(\'GB2312\').encode(\'utf-8\')

当从数据库读取数据(data)存到csv文件的时候,需要先把utf-8编码转换为unicode编码,然后再把unicode编码转换为GB2312编码:data.decode(\'utf-8\').encode(\'GB2312\')

3、decode(\'utf-8\')表示把utf-8编码转换为unicode编码;encode(\'utf-8\')表示把unicode编码转换为utf-8编码

4、Unicode只是一个符号集,它规定了符号的二进制代码,却没有规定二进制代码如何存储

5、可以使用python的编码转换模块:codecs

 

 1 python unicode文件读写:
 2 
 3 #coding=gbk
 4 import codecs
 5 
 6 f = codecs.open(\'c:/intimate.txt\',\'a\',\'utf-8\')#这里表示把intimate.txt文件从utf-8编码转换为unicode,就可以对其进行unicode读写了
 7 f.write(u\'中文\')#直接写入unicode
 8 s = \'中文\'
 9 f.write(s.decode(\'gbk\'))#先把gbk的s解码成unicode然后写入文件
10 f.close()
11 
12 f = codecs.open(\'c:/intimate.txt\',\'r\',\'utf-8\')
13 s = f.readlines()
14 f.close()
15 for line in s:
16     print line.encode(\'gbk\')

 

6、python代码文件的编码

py文件默认是ASCII编码,中文在显示时会做一个ASCII到系统默认编码的转换,这时就会出错:SyntaxError: Non-ASCII character。需要在代码文件的第一行或第二行添加编码指示:

  1. # coding=utf-8 ##以utf-8编码储存中文字符
  2. print ‘中文’像上面那样直接输入的字符串是按照代码文件的编码来处理的,如果用unicode编码,有以下2种方式:
    1. s1  = u’中文’ #u表示用unicode编码方式储存信息
    2. s2 = unicode(‘中文’,’gbk’)

unicode是一个内置函数,第二个参数指示源字符串的编码格式。

decode是任何字符串具有的方法,将字符串转换成unicode格式,参数指示源字符串的编码格式。

encode也是任何字符串具有的方法,将字符串转换成参数指定的格式。

python字符串的编码

用 u’汉字’ 构造出来的是unicode类型,不用的话构造出来是str类型

str的编码是与系统环境相关的,一般就是sys.getfilesystemencoding()得到的值

所以从unicode转str,要用encode方法

从str转unicode,所以要用decode

例如:

# coding=utf-8   #默认编码格式为utf-8

s = u\'中文\' #unicode编码的文字
print s.encode(\'utf-8\')   #转换成utf-8格式输出 
print s #效果与上面相同,似乎默认直接转换为指定编码

我的总结:

u=u\'unicode编码文字\'
g=u.encode(\'gbk\') #转换为gbk格式
print g #此时为乱码,因为当前环境为utf-8,gbk编码文字为乱码
str=g.decode(\'gbk\').encode(\'utf-8\')   #以gbk编码格式读取g(因为他就是gbk编码的)并转换为utf-8格式输出
print str #正常显示中文

安全的方法:

s.decode(\'gbk\',\'ignore\').encode(\'utf-8′) #以gbk编码读取(当然是读取gbk编码格式的文字了)并忽略错误的编码,转换成utf-8编码输出

因为decode的函数原型是decode([encoding], [errors=\'strict\']),可以用第二个参数控制错误处理的策略,默认的参数就是strict,代表遇到非法字符时抛出异常;

如果设置为ignore,则会忽略非法字符;
如果设置为replace,则会用?取代非法字符;
如果设置为xmlcharrefreplace,则使用XML的字符引用。

unicode(str,‘gb2312‘)与str.decode(‘gb2312‘)是一样的,都是将gb2312编码的str转为unicode编码

7、代码文件编码:

我们在.py文件开头写的:#-*- coding:utf-8 -*- 声称了代码文件编码为utf-8,这时候,文件里面书写字符串都是utf-8编码的

8、获得系统编码:

import sys
print sys.getdefaultencoding()

 9、sys.setdefaultencoding(\'utf-8\')的作用是告诉系统自动解码,也就是自动完成utf-8到unicode编码的转换

#! /usr/bin/env python 
# -*- coding: utf-8 -*- 

import sys 
reload(sys) # Python2.5 初始化后会删除 sys.setdefaultencoding 这个方法,我们需要重新载入 
sys.setdefaultencoding(\'utf-8\') 

str = \'中文\' #这是utf-8编码的字符串
str.encode(\'gb18030\') #转换为gb18030编码,因为已经自动解码,所以不用写成这种样式:str.decode(\'utf-8\').encode(\'gb18030\')

 10、字符编码判断:

法一:
isinstance(s, str) 用来判断是否为一般字符串
isinstance(s, unicode) 用来判断是否为unicode

if type(str).__name__!="unicode":
str=unicode(str,"utf-8")
else:
pass
法二:
Python chardet 字符编码判断
使用 chardet 可以很方便的实现字符串/文件的编码检测。尤其是中文网页,有的页面使用GBK/GB2312,有的使用UTF8,如果你需要去爬一些页面,知道网页编码很重要的,虽然HTML页面有charset标签,但是有些时候是不对的。那么chardet就能帮我们大忙了。

chardet实例
>>> import urllib
>>> rawdata = urllib.urlopen(\'http://www.google.cn/\').read()
>>> import chardet
>>> chardet.detect(rawdata)
{\'confidence\': 0.98999999999999999, \'encoding\': \'GB2312\'}
>>>chardet可以直接用detect函数来检测所给字符的编码。函数返回值为字典,有2个元数,一个是检测的可信度,另外一个就是检测到的编码。

chardet 安装
pip install chardet