带有字符编码的 Python MySQL 批量插入错误

Posted 2023-02-24

【中文标题】带有字符编码的 Python MySQL 批量插入错误

【英文标题】：Python MySQL Bulk Insertion Error with Character Encode

【发布时间】：2016-12-28 12:35:33

【问题描述】：

我使用 MySQL 在 Python 中启动新项目。

我只是尝试通过 MySQLdb 包将数百万条记录从 CSV 插入到 MySQL。

我的代码：

 import pandas as pd 
 import mysqldb

 #Connect with MySQL
 db = MySQLdb.connect('localhost','root','****','MY_DB')
 cur = db.cursor()

 #Reading CSV
 df = pd.read_csv('/home/shankar/LAB/Python/Rough/******.csv')

 for i in df.COMPANY_NAME:
    i = i.replace("'","")
    i = i.replace("\\","")
   #i = i.encode('latin-1', 'ignore')
    cur.execute("INSERT INTO polls_company (name) VALUES ('" + i + "')")
 db.commit()

此代码在某些 CSV 文件中运行良好，但在少数 CSV 文件中存在问题。

错误：

 ---------------------------------------------------------------------------
 UnicodeEncodeError                        Traceback (most recent call last)
 <ipython-input-7-aac849862588> in <module>()
 13     i = i.replace("\\","")
 14     #i = i.encode('latin-1', 'ignore')
 ---> 15     cur.execute("INSERT INTO polls_company (name) VALUES ('" + i + "')")
 16 db.commit()

 /home/shankar/.local/lib/python3.5/site-packages/MySQLdb/cursors.py in execute(self, query, args)
 211 
 212         if isinstance(query, unicode):
 --> 213             query = query.encode(db.unicode_literal.charset, 'surrogateescape')
 214 
 215         res = None

 UnicodeEncodeError: 'latin-1' codec can't encode character '\ufffd' in position 49: ordinal not in range(256)

这里，这个“字符编码”问题仅出现在某些 CSV 文件中，但我希望使用常用编码技术自动插入。

因为 CSV 文件编码适用于“utf-8”、“latin-1”等...

如果我使用 utf-8 ：那么我在 latin-1 中出现错误 反之亦然

那么，有什么方法可以操作各种通用编码的CSV文件

或

还有其他方法可以解决这个问题吗？

[提前致谢...]

【参考方案1】：

我会让 pandas 负责编码，而您无需遍历 DF。让我们用熊猫的方式来做吧：

import pandas as pd 
import MySQLdb

#Connect with MySQL
db = MySQLdb.connect('localhost','root','****','MY_DB')
cur = db.cursor()

#Reading CSV
df = pd.read_csv('/home/shankar/LAB/Python/Rough/******.csv')

df.COMPANY_NAME.str.replace(r"['\]*", "").rename(columns='COMPANY_NAME':'name').to_sql('polls_company', db, if_exists='append', index=False)

【讨论】：

那么，如果我处理多于一列意味着什么？

但此代码生成错误为“错误：位置 0 处的未终止字符集”