我正在运行一个正在处理 30,000 个类似文件的程序。他们中的一个随机数正在停止并产生这个错误......
File "C:\Importer\src\dfman\importer.py", line 26, in import_chr data = pd.read_csv(filepath, names=fields) File "C:\Python33\lib\site-packages\pandas\io\parsers.py", line 400, in parser_f return _read(filepath_or_buffer, kwds) File "C:\Python33\lib\site-packages\pandas\io\parsers.py", line 205, in _read return parser.read() File "C:\Python33\lib\site-packages\pandas\io\parsers.py", line 608, in read ret = self._engine.read(nrows) File "C:\Python33\lib\site-packages\pandas\io\parsers.py", line 1028, in read data = self._reader.read(nrows) File "parser.pyx", line 706, in pandas.parser.TextReader.read (pandas\parser.c:6745) File "parser.pyx", line 728, in pandas.parser.TextReader._read_low_memory (pandas\parser.c:6964) File "parser.pyx", line 804, in pandas.parser.TextReader._read_rows (pandas\parser.c:7780) File "parser.pyx", line 890, in pandas.parser.TextReader._convert_column_data (pandas\parser.c:8793) File "parser.pyx", line 950, in pandas.parser.TextReader._convert_tokens (pandas\parser.c:9484) File "parser.pyx", line 1026, in pandas.parser.TextReader._convert_with_dtype (pandas\parser.c:10642) File "parser.pyx", line 1046, in pandas.parser.TextReader._string_convert (pandas\parser.c:10853) File "parser.pyx", line 1278, in pandas.parser._string_box_utf8 (pandas\parser.c:15657) UnicodeDecodeError: 'utf-8' codec can't decode byte 0xda in position 6: invalid continuation byte
这些文件的来源/创建都来自同一个地方。纠正此问题以继续导入的最佳方法是什么?
read_csv可以encoding选择处理不同格式的文件。我主要使用read_csv('file', encoding = "ISO-8859-1"), 或者encoding = "utf-8"用于阅读,通常utf-8用于to_csv.
read_csv
encoding
read_csv('file', encoding = "ISO-8859-1")
encoding = "utf-8"
utf-8
to_csv
您还可以使用多个alias选项之一,例如'latin'or 'cp1252'(Windows),而不是'ISO-8859-1'(请参阅python 文档,也可以使用您可能遇到的许多其他编码)。
alias
'latin'
'cp1252'
'ISO-8859-1'
请参阅相关的 Pandas 文档、 csv 文件上的 python 文档示例,以及关于 SO 的大量相关问题。一个好的背景资源是每个开发人员都应该知道的关于 unicode 和字符集的知识。
要检测编码(假设文件包含非 ascii 字符),您可以使用enca(参见手册页)或file -i(linux)或file -I(osx)(参见手册页)。
enca
file -i
file -I