我们常常需要在 Python 中输出 CSV 文件,但你可能会发现,这些输出的 CSV文件,不能双击使用 Excel 打开,否则中文会变成乱码。例如下面这段代码:
登录后复制
importpandasaspddatas = [ {'name':'王小一','age':29,'address':'北京'}, {'name':'张小二','age':18,'address':'四川'}, {'name':'李小三','age':60,'address':'上海'}]df = pd.DataFrame(datas)df.to_csv('person.csv', index=False)
如果双击使用 Excel 打开,你会发现中文变成了乱码,如下图所示:
这是因为,当你执行代码 df.to_csv('person.csv',index=False)时,它默认会以 UTF-8编码方式写 CSV 文件。但是当你双击 CSV 使用 Excel打开时,Excel 会以 GBK 编码来读这个文件,这就导致了乱码的发生。
所以,如果是简单的中文,你可以把编码方式人工指定为 GBK:
登录后复制
importpandasaspddatas = [ {'name':'王小一','age':29,'address':'北京'}, {'name':'张小二','age':18,'address':'四川'}, {'name':'李小三','age':60,'address':'上海'}]df = pd.DataFrame(datas)df.to_csv('person.csv', index=False, encoding='gbk')
此时再双击使用 Excel 打开,中文就能正常显示了,如下图所示:
但 GBK 编码的字符集不够完善,所以如果文本中包含超出 GBK 字符集的内容,就会导致编码错误,如下图所示:
这个时候怎么办呢?
实际上当你双击打开 CSV 的时候,Excel会检查文件的第一个字符,如果这个字符是 BOM,那么他就知道应该使用 UTF-8编码方式来打开这个文件。所谓的 BOM指的是 byte-order mark。
BOM对应的 Unicode 码为 \ufeff,所以当我们使用 UTF-8编码方式生成 CSV 以后,再增加一步,把 BOM 写入到文件的第一个字符:
登录后复制
withopen('person.csv', encoding='utf-8')asf: content = f.read()content_with_bom ='\ufeff'+ contentwithopen('person.csv','w', encoding='utf-8')asf: f.write(content_with_bom)
完整代码如下图所示:
此时,新的 CSV 文件可以直接双击通过 Excel 打开,并且中文支持完全正常,如下图所示:
这样生成的 Excel 虽然在 Excel 上显示没有问题,但是如果你发给别人,别人使用 Python 自带的 csv 模块打开,就会发现 address这一列的列名不是 address而是 \ufeffaddress,如下图所示:
这个 BOM字符虽然肉眼看不到,但是程序能够看到,这就会导致别人在读这个 CSV 文件的时候非常不方便。如果直接使用 address去读,还会报错:
难道此时,需要先用普通方式读取 csv 文件,移除第一个 BOM 字符,然后再传给 CSV 模块吗?这未免太过麻烦。
好在 Python 只带了处理 BOM的编码方式 utf-8-sig,无论是写文件还是读文件,只要使用这个编码方式,Python 在写文件的时候会自动加上 BOM,在读文件的时候会自动删除 BOM。
所以生成 CSV 文件的代码如下:
登录后复制
importpandasaspddatas = [ {'name':'王小一','age':29,'address':'北京'}, {'name':'张小二','age':18,'address':'四❤川'}, {'name':'李小三','age':60,'address':'上海'}]df = pd.DataFrame(datas)df.to_csv('person.csv', index=False, encoding='utf-8-sig')
此时生成的 CSV 文件,可以直接双击使用 Excel 打开,中文正常显示。
如果要使用 Python 的 CSV 模块读取文件,也非常简单,如下图所示:
读取出来的内容直接使用,BOM 已经被 Python 自动移除了。
excel超神大礼包全套资源 excel学习提升工作效率 https://306t.com/file/686368-477371688
更多资源下载地址:https://z701.com/f/686368-485346643-6740b7
(访问密码:4939)