在 Pandas 中读取带有欧洲和拉丁美洲特殊字符的 CSV 文件

Question

我有一个文件，其中包含我认为来自欧洲和拉丁美洲的特殊字符。 我做了 pd.read_csv("file.csv",encoding='iso8859') 它读取了一些特殊字符。但像“œs”这样的字符仍然是“s”，“Àrz”是“rz”。这样的字符有很多。 知道用什么来编码吗？我用的是iso8859、iso8859-1、iso8859-15。 Latin-1、UTF8、UTF16。

Answer 1

您可以在 Pandas 中尝试不同的编码：

encodings_to_try = ['utf-8', 'latin1', 'iso-8859-1', 'iso-8859-15', 'cp1252']

for enc in encodings_to_try:
    try:
        df = pd.read_csv('file.csv', encoding=enc)
        print(f'Successfully read with encoding: {enc}')
        break
    except:
        print(f'Failed with encoding: {enc}')

Answer 2

首先检查一下文件编码的一般背景会很有帮助； this 以及官方 Python docs 都是很棒的资源。首先，知道你的文件被编码为什么，而不是尝试以不同的方式读取它。

Pandas 在 docs 中也有关于

read_csv

的编码解释——值得注意的是默认值是

utf-8

。如果您已经用尽了这些，有时在使用标准编码（例如默认值）读取数据后，应用“修复程序”库（例如 this）中的函数会更简单。