zoukankan      html  css  js  c++  java
  • python读取文件时BOM的过滤

    背景:

    学习python制作数据可视化时时,从世界银行(http://data.worldbank.org/indicator/)下载csv文件,读取csv内容时,发现文件头第一行会有乱码问题,经查阅原来是头部有codecs.BOM_UTF8(xefxbbxbf),以下简称BOM,这些内容在csv中看不出来。

    经过:

    1.不设置格式,直接读取(Windows下应该是gbk编码吧),

    import csv

    file_name = 'API_MS.MIL.TOTL.P1_DS2_en_csv_v2.csv' with open(file_name) as f: reader = csv.reader(f) head_row = next(reader) print(head_row)

    开头出现乱码,结果如下:

    ['锘緿ata Source', 'World Development Indicators', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '']

    2.设置utf-8格式读取:

    import csv
    
    file_name = 'API_MS.MIL.TOTL.P1_DS2_en_csv_v2.csv'
    with open(file_name, encoding='utf-8') as f:
        reader = csv.reader(f)
        head_row = next(reader)
        print(head_row)

    开头‘乱码’变为ufeff,显示如下:

    ['ufeffData Source', 'World Development Indicators', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '']

    解决:

    翻到一篇帖子(https://www.cnblogs.com/chongzi1990/p/8694883.html),只要把utf-8编码改成utf-8-sig即可,具体原因这篇帖子里有些到。

    import csv
    
    file_name = 'API_MS.MIL.TOTL.P1_DS2_en_csv_v2.csv'
    with open(file_name, encoding='utf-8-sig') as f:
        reader = csv.reader(f)
        head_row = next(reader)
        print(head_row)

    显示正常,得到了想要的内容:

    ['Data Source', 'World Development Indicators', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '']

    *期间尝试过其他方式,比如先读取csv内容,将头行存入新文件,再以‘rb'二进制方式读取,判断如果有BOM,则剔除掉,。。。很麻烦,还是直接制定utf-8-sig方法最简单。

  • 相关阅读:
    缓存服务Ehcache方案
    sql的一点总结<一>
    消息队列-ActiveMQ
    Kettle数据抽取解决方案
    在VMware上安装VMTools
    数组去重方法
    横向tab计算滚动位置
    无高度内容垂直居中
    常见富文本处理方法
    极简触感反馈Button组件
  • 原文地址:https://www.cnblogs.com/aikachin/p/9482403.html
Copyright © 2011-2022 走看看