我在CSV文件中有一些俄文数据:
2-комнатная квартира РДТ', мкр Тастак-3, Аносова — Толе би;Алматы
2-комнатная квартира БГР', мкр Таугуль, Дулати (Навои) — Токтабаева;Алматы
2-комнатная квартира ЦФМ', мкр Тастак-2, Тлендиева — Райымбека;Алматы
分隔符是;
符号。
我想读取数据并将其放入数组中。我试图使用以下代码读取此数据:
def loadCsv(filename):
lines = csv.reader(open(filename, "rb"),delimiter=";" )
dataset = list(lines)
for i in range(len(dataset)):
dataset[i] = [str(x) for x in dataset[i]]
return dataset
然后我阅读并打印结果:
mydata = loadCsv('krish(csv3).csv')
print mydata
输出:
[['2-\xea\xee\xec\xed\xe0\xf2\xed\xe0\xff \xea\xe2\xe0\xf0\xf2\xe8\xf0\xe0, \xec\xea\xf0 \xd2\xe0\xf1\xf2\xe0\xea-3, \xc0\xed\xee\xf1\xee\xe2\xe0 \x97 \xd2\xee\xeb\xe5 \xe1\xe8', '\xc0\xeb\xec\xe0\xf2\xfb'], ['2-\xea\xee\xec\xed\xe0\xf2\xed\xe0\xff \xea\xe2\xe0\xf0\xf2\xe8\xf0\xe0, \xec\xea\xf0 \xd2\xe0\xf3\xe3\xf3\xeb\xfc, \xc4\xf3\xeb\xe0\xf2\xe8 (\xcd\xe0\xe2\xee\xe8) \x97 \xd2\xee\xea\xf2\xe0\xe1\xe0\xe5\xe2\xe0', '\xc0\xeb\xec\xe0\xf2\xfb'], ['2-\xea\xee\xec\xed\xe0\xf2\xed\xe0\xff \xea\xe2\xe0\xf0\xf2\xe8\xf0\xe0, \xec\xea\xf0 \xd2\xe0\xf1\xf2\xe0\xea-2, \xd2\xeb\xe5\xed\xe4\xe8\xe5\xe2\xe0 \x97 \xd0\xe0\xe9\xfb\xec\xe1\xe5\xea\xe0', '\xc0\xeb\xec\xe0\xf2\xfb']]
我发现在这种情况下需要编解码器,并尝试对该代码执行相同的操作:
import codecs
with codecs.open('krish(csv3).csv','r',encoding='utf8') as f:
text = f.read()
print text
我得到这个错误:
newchars, decodedbytes = self.decode(data, self.errors)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xea in position 2: invalid continuation byte
怎么了?使用编解码器时如何在我的数据中指定分隔符? 我只想从文件中读取数据并将其放入二维数组中。
\ea
是用于к
的windows-1251/cp5347编码。因此,您需要使用windows-1251
解码,而不是UTF-8。在Python2.7中,CSV库不正确地支持Unicode—请参见https://docs.python.org/2/library/csv.html中的“Unicode”
他们提出了一个简单的解决方案,使用:
这将允许您:
如果您尝试打印
dataset
,那么您将获得列表中列表的表示,其中第一个列表是行,第二个列表是列。任何编码的字节或文本都将用\x
或\u
表示。要打印值,请执行以下操作:如果需要将结果写入另一个文件(相当典型),可以执行以下操作:
这将自动转换/编码您的输出到UTF-8。
你的.csv可以是另一种编码,而不是UTF-8吗?(考虑到错误消息,甚至应该be)。尝试其他西里尔文编码,如Windows-1251、CP866或KOI8。
你不能尝试:
或者
相关问题 更多 >
编程相关推荐