Python 2.7 CSV 文件读/写 \xef\xbb\xbf 代码

Posted 2023-02-16

【中文标题】Python 2.7 CSV 文件读/写 \\xef\\xbb\\xbf 代码

【英文标题】：Python 2.7 CSV file read/write \xef\xbb\xbf codePython 2.7 CSV 文件读/写 \xef\xbb\xbf 代码

【发布时间】：2018-10-12 07:48:13

【问题描述】：

我对带有“utf-8-sig”代码的 Python 2.7 读/写 csv 文件（我的 csv）有疑问。标题是

['\xef\xbb\xbfID;timestamp;CustomerID;Email']

我从文件A.csv 中读取了一些代码（"\xef\xbb\xbfID"），我想将相同的代码和标题写入文件B.csv

我的打印日志显示：

['\xef\xbb\xbfID;timestamp;CustomerID;Email']

但是实际的输出文件头看起来像

ÔªøID;timestamp

代码如下：

def remove_gdpr_info_from_csv(file_path, file_name, temp_folder, original_header):
    new_temp_folder = tempfile.mkdtemp()
    new_temp_file = new_temp_folder + "/" + file_name
    # Blanked new file
    with open(new_temp_file, 'wb') as outfile:
        writer = csv.writer(outfile, delimiter=";")
        print original_header
        writer.writerow(original_header)
        # File from SFTP
        with open(file_path, 'r') as infile:
            reader = csv.reader(infile, delimiter=";")
            first_row = next(reader)
            email = first_row.index('Email')
            contract_detractor1 = first_row.index('Contact Detractor (Q21)')
            contract_detractor2 = first_row.index('Contact Detractor (Q20)')
            contract_detractor3 = first_row.index('Contact Detractor (Q43)')
            contract_detractor4 = first_row.index('Contact Detractor(Q26)')
            contract_detractor5 = first_row.index('Contact Detractor(Q27)')
            contract_detractor6 = first_row.index('Contact Detractor(Q44)')
            indexes = []
            for column_name in header_list:
                ind = first_row.index(column_name)
                indexes.append(ind)

            for row in reader:
                output_row = []
                for ind in indexes:
                    data = row[ind]
                    if ind == email:
                        data = ''
                    elif ind == contract_detractor1:
                        data = ''
                    elif ind == contract_detractor2:
                        data = ''
                    elif ind == contract_detractor3:
                        data = ''
                    elif ind == contract_detractor4:
                        data = ''
                    elif ind == contract_detractor5:
                        data = ''
                    elif ind == contract_detractor6:
                        data = ''
                    output_row.append(data)
                writer.writerow(output_row)
    s3core.upload_files(SPARKY_S3, DESTINATION_PATH, new_temp_file)
    shutil.rmtree(temp_folder)
    shutil.rmtree(new_temp_folder)

【参考方案1】：

'\xef\xbb\xbf' 是 Unicode ZERO WIDTH NO-BREAK SPACE U+FEFF 的 UTF8 编码版本。它通常用作 unicode 文本文件开头的字节顺序标记：

当你有 3 个字节时：'\xef\xbb\xbf'，那么文件是 utf8 编码的 当你有 2 个字节时：'\xff\xfe'，那么文件是 utf16 little endian 当你有2个字节时：'\xfe\xff'，那么文件是utf16 big endian

'utf-8-sig' 编码明确要求在文件开头写入此 BOM

要在 Python 2 中读取 csv 文件时自动处理它，您可以使用 codecs 模块：

with open(file_path, 'r') as infile:
    reader = csv.reader(codecs.EncodedFile(infile, 'utf8-sig', 'utf8'), delimiter=";")

EncodedFile 将通过在utf8-sig 中解码来包装原始文件对象，实际上跳过了 BOM 并在 utf8 中重新编码，没有 BOM。

【讨论】：

嗨，Serge，谢谢你的建议，我试过了，还是一样的问题。我想知道这个问题是否是因为 writer.writerow(original_header)，original_header 是一个列表。

顺便问一下如果有\xef\xbb\xbf\xef\xbb\xbf这是什么代码？

@SharpLu：如果你有两倍的 utf8 BOM，那么文件在 utf8-sig 中被错误编码了两次。

谢谢，问题已解决。

@SergeBallesta，看起来EncodedFile 中的参数颠倒了。应该是这样吗？ codecs.EncodedFile(infile, 'utf-8', 'utf-8-sig')?

【参考方案2】：

您想使用 codecs 库中的 EncodedFile 方法，如 Serge Ballesta 的回答。

但是使用 Python 2.7 编码 utf-8-sig 不是 UTF8-sig 编码支持的别名，您需要使用 utf_8_sig。另外方法属性的顺序需要先定义输出数据编码，再定义文件编码：codecs.EncodedFile(file,datacodec,filecodec=None,errors=’strict')

这是完整的结果：

import codecs
with open(file_path, 'r') as infile:
    reader = csv.reader(codecs.EncodedFile(infile, 'utf8', 'utf_8_sig'), delimiter=";")