如果您想了解使用Python在Pandas中读取CSV文件时出现UnicodeDecodeError的相关知识，那么本文是一篇不可错过的文章，我们将对pandas读取csv文件出错进行全面详尽的解释，
如果您想了解使用 Python 在 Pandas 中读取 CSV 文件时出现 UnicodeDecodeError的相关知识，那么本文是一篇不可错过的文章，我们将对pandas读取csv文件出错进行全面详尽的解释，并且为您提供关于Anaconda中启动Python时的错误：UnicodeDecodeError: ''gbk'' codec can''t decode byte 0xaf in posit...、Eclipse 运行python代码报错: UnicodeDecodeError: ''utf8'' codec can''t decode byte、mysql-connector-python 取二进制字节时报错 UnicodeDecodeError:''utf-8'' codec can''t decode byte 0xb...、Python 3 UnicodeDecodeError-如何调试UnicodeDecodeError？的有价值的信息。
本文目录一览：- 使用 Python 在 Pandas 中读取 CSV 文件时出现 UnicodeDecodeError（pandas读取csv文件出错）
- Anaconda中启动Python时的错误：UnicodeDecodeError: ''gbk'' codec can''t decode byte 0xaf in posit...
- Eclipse 运行python代码报错: UnicodeDecodeError: ''utf8'' codec can''t decode byte
- mysql-connector-python 取二进制字节时报错 UnicodeDecodeError:''utf-8'' codec can''t decode byte 0xb...
- Python 3 UnicodeDecodeError-如何调试UnicodeDecodeError？
使用 Python 在 Pandas 中读取 CSV 文件时出现 UnicodeDecodeError（pandas读取csv文件出错）
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？
答案1
小编典典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.
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）。
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）。
Anaconda中启动Python时的错误：UnicodeDecodeError: ''gbk'' codec can''t decode byte 0xaf in posit...
今天，在Anaconda prompt启动python遇到了如下错误：
UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xaf in position 553: illegal multibyte sequence
看了看出错跟踪，查看了如下位置：
C:\ProgramData\Anaconda3\lib\site.py", line 439
如下图所示，发现是读取history指定的路径的文件出错，于是就通过python看了看
os.path.join(os.path.expanduser(’~’),’.python_history’)的计算所得路径为(注意：???表示电脑用户名，每个人设置不同，请参照自己实际情况)：
C:\Users\???\.python_history
打开上述文件，发现是上次关闭之前的python命令记录等，里面有汉字注释，Python的命令窗口的本身编码为来自系统设置的GBK引起的文件存成了gbk编码。如果历史记录对你来说没什么用处，最简单的办法就是删除掉.python_history文件，就可以了。我自己是通过如下方式解决的，操作系统是Windows 10 1803 (April 2018 Update) 以上版本的话，可以"Region" - “Administrative” - “Change system locale” - "Region Settings"中选中 "Beta: Use Unicode UTF-8 for worldwide language support"选项。
Eclipse 运行python代码报错: UnicodeDecodeError: ''utf8'' codec can''t decode byte
错误信息如下:
网上报这个错误的原因有很多,包括:
- 脚本本身不是使用UTF-8编码的,需要转成utf-8编码
- 脚本的头部需要声明为:utf-8 编码
- 工程路径中包含中文字符也会报这个错误,因为python会读取windows中工程路径,而windows中的编码一般都是亲生的gbk类编码不太容易修改,所以这种情况下需要将你的工程移到没有中文字符的目录下,然后在重新导入.
mysql-connector-python 取二进制字节时报错 UnicodeDecodeError:''utf-8'' codec can''t decode byte 0xb...
在储存用户密码时，我使用了 hmac 算法对用户密码加密，加密出来的 hash 值是一个二进制字节串，我把这个字节串存到 mysql 的 password 字段，password 字段的数据类型是 varbinary。
在验证用户密码时，我把用户输入的密码经过同样的 hmac 算法得到 hash 值，然后从数据库 password 字段的字节串取出来，比较两个字节串是否相等。
在开发环境中，这样做没有任何问题，但是当我把代码部署到 centos7 的服务器上时，存 password 字节串没有问题，却在取 password 字段的字节串时出现了 UnicodeDecodeError:''utf-8'' codec can''t decode byte 0xb0 in position 0 的错误。
其实仔细看一下，这个问题的根源在于 mysqlconnector 试图将二进制字节解码为 unicode，也就是字符串，但其实我们是不需要这样做的，我们只需要将这个二进制字节完完整整地取出来。
因为我的生产和开发环境的 mysql 版本不同，因此开发环境中，不需要任何设置 mysqlconnector 就自动不会对二进制字节进行解码。我们现在要做的就很简单，阻止 mysqlconnector 解码二进制字节。
查看 mysqlconnector 的源码，在 cursor_cext.py 找到 CMySQLCursor 类，这个类的实例就是我们用的 cursor，但是这个类的 fetchone、fetchall、fetchmany 等函数都不接受编码相关的参数，因此可能不能通过设置 cursor 来解决，于是我又在官网上找到了 connect（连接数据库的函数）的配置参数说明
找到 use_unicode 一项，这个参数控制 mysqlconnector 在取数据的时候会不会将二进制字节解码为字符串，它的默认值是 True。用法如下
mysql.connector.connect(**config,use_unicode=False)这样取出来的数据类型为 <class ''bytes''>，这个错误也不会出现了
Python 3 UnicodeDecodeError-如何调试UnicodeDecodeError？
我有一个文本文件，发布者（美国证券交易委员会）断言该文本文件以UTF-8编码（https://www.sec.gov/files/aqfs.pdf，第4节）。我正在使用以下代码处理代码行：
def tags(filename): """Yield Tag instances from tag.txt.""" with codecs.open(filename, ''r'', encoding=''utf-8'', errors=''strict'') as f: fields = f.readline().strip().split(''\t'') for line in f.readlines(): yield process_tag_record(fields, line)我收到以下错误：
Traceback (most recent call last): File "/home/randm/Projects/finance/secxbrl.py", line 151, in <module> main() File "/home/randm/Projects/finance/secxbrl.py", line 143, in main all_tags = list(tags("tag.txt")) File "/home/randm/Projects/finance/secxbrl.py", line 109, in tags content = f.read() File "/home/randm/Libraries/anaconda3/lib/python3.6/codecs.py", line 698, in read return self.reader.read(size) File "/home/randm/Libraries/anaconda3/lib/python3.6/codecs.py", line 501, in read newchars, decodedbytes = self.decode(data, self.errors)UnicodeDecodeError: ''utf-8'' codec can''t decode byte 0xad in position 3583587: invalid start byte鉴于我可能无法回到SEC并告诉他们它们包含的文件似乎未采用UTF-8编码，我应该如何调试和捕获此错误？
我尝试了什么
我对文件进行了十六进制转储，发现有问题的文本是文本``非现金投资的补充披露’‘。如果我将有问题的字节解码为十六进制代码点（即“ U +
00AD”），则在上下文中是有意义的，因为它是软连字符。但是以下似乎无效：
Python 3.5.2 (default, Nov 17 2016, 17:05:23) [GCC 5.4.0 20160609] on linuxType "help", "copyright", "credits" or "license" for more information.>>> b"\x41".decode("utf-8")''A''>>> b"\xad".decode("utf-8")Traceback (most recent call last): File "<stdin>", line 1, in <module>UnicodeDecodeError: ''utf-8'' codec cant decode byte 0xad in position 0: invalid start byte>>> b"\xc2ad".decode("utf-8")Traceback (most recent call last): File "<stdin>", line 1, in <module>UnicodeDecodeError: ''utf-8'' codec cant decode byte 0xc2 in position 0: invalid continuation byte我用过了errors=''replace''，这似乎过去了。但我想了解一下，如果我尝试将其插入数据库中会发生什么。
编辑添加十六进制转储：
0036ae40 31 09 09 09 09 53 55 50 50 4c 45 4d 45 4e 54 41 |1....SUPPLEMENTA|0036ae50 4c 20 44 49 53 43 4c 4f 53 55 52 45 20 4f 46 20 |L DISCLOSURE OF |0036ae60 4e 4f 4e ad 43 41 53 48 20 49 4e 56 45 53 54 49 |NON.CASH INVESTI|0036ae70 4e 47 20 41 4e 44 20 46 49 4e 41 4e 43 49 4e 47 |NG AND FINANCING|0036ae80 20 41 43 54 49 56 49 54 49 45 53 3a 09 0a 50 72 | ACTIVITIES:..Pr|答案1
小编典典您的数据文件已损坏。如果该字符确实是U + 00AD SOFT
HYPHEN，那么您缺少一个0xC2字节：
>>> ''\u00ad''.encode(''utf8'')b''\xc2\xad''在以0xAD结尾的所有可能的UTF-8编码中，软连字符确实最有意义。但是，它指示 可能 缺少其他字节的数据集。您碰巧碰到了一个重要事件。
我将返回此数据集的源，并验证下载时文件未损坏。否则，error=''replace''如果没有分隔符（制表符，换行符等）缺失，则使用是可行的解决方法。
另一种可能性是SEC实际上对文件使用了 不同的
编码。例如，在Windows代码页1252和Latin-1中，0xAD是软连字符的正确编码。确实，当我直接下载相同的数据集（警告，链接了大的ZIP文件）并打开时tags.txt，我无法将数据解码为UTF-8：
>>> open(''/tmp/2017q1/tag.txt'', encoding=''utf8'').read()Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/.../lib/python3.6/codecs.py", line 321, in decode (result, consumed) = self._buffer_decode(data, self.errors, final)UnicodeDecodeError: ''utf-8'' codec can''t decode byte 0xad in position 3583587: invalid start byte>>> from pprint import pprint>>> f = open(''/tmp/2017q1/tag.txt'', ''rb'')>>> f.seek(3583550)3583550>>> pprint(f.read(100))(b''1\t1\t\t\t\tSUPPLEMENTAL DISCLOSURE OF NON\xadCASH INVESTING AND FINANCING A'' b''CTIVITIES:\t\nProceedsFromSaleOfIn'')文件中有两个这样的非ASCII字符：
>>> f.seek(0)0>>> pprint([l for l in f if any(b > 127 for b in l)])[b''SupplementalDisclosureOfNoncashInvestingAndFinancingActivitiesAbstract\t0'' b''001654954-17-000551\t1\t1\t\t\t\tSUPPLEMENTAL DISCLOSURE OF NON\xadCASH I'' b''NVESTING AND FINANCING ACTIVITIES:\t\n'', b''HotelKranichhheMember\t0001558370-17-001446\t1\t0\tmember\tD\t\tHotel Krani'' b''chhhe [Member]\tRepresents information pertaining to Hotel Kranichh\xf6h'' b''e.\n'']Hotel Kranichh\xf6he
HotelKranichhöhe 被解码为Latin-1 。
文件中还有几对0xC1 / 0xD1对：
>>> f.seek(0)0>>> quotes = [l for l in f if any(b in {0x1C, 0x1D} for b in l)]>>> quotes[0].split(b''\t'')[-1][50:130]b''Temporary Payroll Tax Cut Continuation Act of 2011 (\x1cTCCA\x1d) recognized during th''>>> quotes[1].split(b''\t'')[-1][50:130]b''ributory defined benefit pension plan (the \x1cAetna Pension Plan\x1d) to allow certai''我敢打赌那些实际上是U + 201C左双引号和U +
201D右双引号；注意1C和1D部分。似乎他们的编码器似乎采用了UTF-16并去除了所有高字节，而不是正确地编码为UTF-8！
没有与Python中没有编解码器出货将编码''\u201C\u201D''来b''\x1C\x1D''，使这一切更可能的是，美国证券交易委员会已经把事情弄糟了编码过程中的某个地方。实际上，还有0x13和0x14字符（可能是
en 和 em 破折号）（U + 2013和U +
2014），以及几乎可以肯定是单引号的0x19字节（U +
2019）。完整图片所缺少的只是一个0x18字节来表示U +
2018。
如果我们假设编码已损坏，则可以尝试修复。以下代码将读取文件并解决引号问题，并假设其余数据不使用除引号之外的Latin-1之外的字符：
_map = { # dashes 0x13: ''\u2013'', 0x14: ''\u2014'', # single quotes 0x18: ''\u2018'', 0x19: ''\u2019'', # double quotes 0x1c: ''\u201c'', 0x1d: ''\u201d'',}def repair(line, _map=_map): """Repair mis-encoded SEC data. Assumes line was decoded as Latin-1""" return line.translate(_map)然后将其应用于您阅读的行：
with open(filename, ''r'', encoding=''latin-1'') as f: repaired = map(repair, f) fields = next(repaired).strip().split(''\t'') for line in repaired: yield process_tag_record(fields, line)另外，解决您的已发布代码，使Python变得比预期更难工作。不要用codecs.open(); 那是已知问题的旧代码，并且比新的Python 3 I /
O层慢。只需使用open()。不要使用f.readlines(); 您无需在此处将整个文件读入列表。只需直接遍历文件即可：
def tags(filename): """Yield Tag instances from tag.txt.""" with open(filename, ''r'', encoding=''utf-8'', errors=''strict'') as f: fields = next(f).strip().split(''\t'') for line in f: yield process_tag_record(fields, line)如果process_tag_record还在选项卡上拆分，请使用一个csv.reader()对象，并避免手动拆分每一行：
import csvdef tags(filename): """Yield Tag instances from tag.txt.""" with open(filename, ''r'', encoding=''utf-8'', errors=''strict'') as f: reader = csv.reader(f, delimiter=''\t'') fields = next(reader) for row in reader: yield process_tag_record(fields, row)如果process_tag_record将fields列表与其中的值组合在一起row以形成字典，请csv.DictReader()改用：
def tags(filename): """Yield Tag instances from tag.txt.""" with open(filename, ''r'', encoding=''utf-8'', errors=''strict'') as f: reader = csv.DictReader(f, delimiter=''\t'') # first row is used as keys for the dictionary, no need to read fields manually. yield from reader关于使用 Python 在 Pandas 中读取 CSV 文件时出现 UnicodeDecodeError和pandas读取csv文件出错的介绍现已完结，谢谢您的耐心阅读，如果想了解更多关于Anaconda中启动Python时的错误：UnicodeDecodeError: ''gbk'' codec can''t decode byte 0xaf in posit...、Eclipse 运行python代码报错: UnicodeDecodeError: ''utf8'' codec can''t decode byte、mysql-connector-python 取二进制字节时报错 UnicodeDecodeError:''utf-8'' codec can''t decode byte 0xb...、Python 3 UnicodeDecodeError-如何调试UnicodeDecodeError？的相关知识，请在本站寻找。
本文标签：
![[转帖]Ubuntu 安装 Wine方法（ubuntu如何安装wine）](https://www.gvkun.com/zb_users/cache/thumbs/4c83df0e2303284d68480d1b1378581d-180-120-1.jpg)
