CSV 文件读取问题

Question

大家！

我正在解决 CSV 文件难题。这是文件的链接：文件链接，全部为西班牙语。

然而，当尝试用Python解析它时，我遇到了一系列令人沮丧的错误：

ParserError: Error tokenizing data. C error: Expected 1 fields in line 902135, saw 2
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xcd in position 125: invalid continuation byte
ParserError: Error tokenizing data. C error: Expected 14 fields in line 1145, saw 15

我尝试过使用 utf-8、latin-1 和 ISO 进行解码，但没有成功。我什至无法在不遇到问题的情况下查看 CSV 内容，并且由于文件太大，Excel 举起了手。

我尝试使用以下代码片段来侦查编码：

def detect_encoding(content):
    result = chardet.detect(content)
    return result['encoding']

然而，Python 保持沉默，没有提供任何线索。

有人愿意伸出援手吗？

提前非常感谢！

Answer 1

如果所有内容都准确解码并不重要，您可以在 pandas read_csv 中设置 encoidng_errors="backslashreplace"。这应该会导致它用十六进制值替换坏字符，而不是在遇到它们时崩溃。从那里，如果您发现编码错误很普遍，您可以查看导致错误的特定字符（或者应该是字符的字节序列），并使用它来帮助您发现文件的正确编码。