用Python读取UTF8的CSV文件

Question

我试图用Python读取一个带有重音字符的CSV文件（只有法语和/或西班牙语字符）。基于csvreader（http://docs.python.org/library/csv.html）的Python 2.5文档，我提出了以下代码来读取CSV文件，因为csvreader只支持ASCII。

def unicode_csv_reader(unicode_csv_data, dialect=csv.excel, **kwargs):
    # csv.py doesn't do Unicode; encode temporarily as UTF-8:
    csv_reader = csv.reader(utf_8_encoder(unicode_csv_data),
                            dialect=dialect, **kwargs)
    for row in csv_reader:
        # decode UTF-8 back to Unicode, cell by cell:
        yield [unicode(cell, 'utf-8') for cell in row]

def utf_8_encoder(unicode_csv_data):
    for line in unicode_csv_data:
        yield line.encode('utf-8')

filename = 'output.csv'
reader = unicode_csv_reader(open(filename))
try:
    products = []
    for field1, field2, field3 in reader:
        ...

下面是我试图读取的CSV文件的摘录：

0665000FS10120684,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Bleu
0665000FS10120689,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Gris
0665000FS10120687,SD1200IS,Appareil photo numérique PowerShot de 10 Mpx de Canon avec trépied (SD1200IS) - Vert
...

即使我尝试编码/解码到UTF-8，我仍然得到以下异常：

Traceback (most recent call last):
  File ".\Test.py", line 53, in <module>
    for field1, field2, field3 in reader:
  File ".\Test.py", line 40, in unicode_csv_reader
    for row in csv_reader:
  File ".\Test.py", line 46, in utf_8_encoder
    yield line.encode('utf-8', 'ignore')
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 68: ordinal not in range(128)

我该怎么解决？

Answer 1

.encode方法被应用到Unicode字符串以生成字节字符串；但您是在字节字符串上调用它而不是。。。方向不对！查看标准库中的codecs模块和codecs.open，特别是阅读UTF-8编码文本文件的更好的通用解决方案。但是，对于csv模块，您需要传入utf-8数据，这就是您已经得到的，因此您的代码可以简单得多：

import csv

def unicode_csv_reader(utf8_data, dialect=csv.excel, **kwargs):
    csv_reader = csv.reader(utf8_data, dialect=dialect, **kwargs)
    for row in csv_reader:
        yield [unicode(cell, 'utf-8') for cell in row]

filename = 'da.csv'
reader = unicode_csv_reader(open(filename))
for field1, field2, field3 in reader:
  print field1, field2, field3 

注：如果您的输入数据不是utf-8格式的，而是ISO-8859-1格式的，那么您确实需要一个csv模块级的line.decode('whateverweirdcodec').encode('utf-8')格式的“转码”（如果您热衷于在csv模块级使用utf-8），但是您可能只需要在我上面代码的yield行中使用现有编码的名称，而不是'utf-8'，因为csv实际上用ISO-8859-*编码的testrings是可以的。

Answer 2

Python 2.X

有一个unicode-csv库可以解决您的问题，它还有一个额外的好处，就是不需要导航来编写任何新的csv相关代码。

以下是他们自述中的一个例子：

>>> import unicodecsv
>>> from cStringIO import StringIO
>>> f = StringIO()
>>> w = unicodecsv.writer(f, encoding='utf-8')
>>> w.writerow((u'é', u'ñ'))
>>> f.seek(0)
>>> r = unicodecsv.reader(f, encoding='utf-8')
>>> row = r.next()
>>> print row[0], row[1]
é ñ

Python 3.X

在python 3中，内置的csv模块直接支持这一点。请参见以下示例：

import csv
with open('some.csv', newline='', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

Answer 3

如果您想读取编码为utf-8的CSV文件，我建议您使用如下方法：

with open(file_name, encoding="utf8") as csv_file:

使用该语句，您可以稍后使用CSV阅读器。