Python 2.7を使用したUnicodeを含むCSVファイルの読み取りと書き込み
私はPythonが初めてであり、Pythonを使用してCSVファイルを読み書きする方法について質問があります。私のファイルにはドイツ語、フランス語などが含まれています。私のコードによると、ファイルはPythonで正しく読み取ることができますが、新しいCSVファイルに書き込むと、ユニコードが奇妙な文字になります。
データは次のようなものです。 
そして私のコードは：
import csv
f=open('xxx.csv','rb')
reader=csv.reader(f)
wt=open('lll.csv','wb')
writer=csv.writer(wt,quoting=csv.QUOTE_ALL)
wt.close()
f.close()
結果は次のようになります。 
問題を解決するために私がすべきことを教えてください。どうもありがとうございました！
別の選択肢：
Unicodecsvパッケージのコードを使用して...
https://pypi.python.org/pypi/unicodecsv/
>>> import unicodecsv as csv
>>> from io import BytesIO
>>> f = BytesIO()
>>> w = csv.writer(f, encoding='utf-8')
>>> _ = w.writerow((u'é', u'ñ'))
>>> _ = f.seek(0)
>>> r = csv.reader(f, encoding='utf-8')
>>> next(r) == [u'é', u'ñ']
True
このモジュールは、STDLIB csvモジュールとAPI互換です。
適切にエンコードおよびデコードしてください。
この例では、utf-8のいくつかのサンプルテキストをcsvファイルにラウンドトリップし、元に戻します。
# -*- coding: utf-8 -*-
import csv
tests={'German': [u'Straße',u'auslösen',u'zerstören'],
'French': [u'français',u'américaine',u'épais'],
'Chinese': [u'中國的',u'英語',u'美國人']}
with open('/tmp/utf.csv','w') as fout:
writer=csv.writer(fout)
writer.writerows([tests.keys()])
for row in Zip(*tests.values()):
row=[s.encode('utf-8') for s in row]
writer.writerows([row])
with open('/tmp/utf.csv','r') as fin:
reader=csv.reader(fin)
for row in reader:
temp=list(row)
fmt=u'{:<15}'*len(temp)
print fmt.format(*[s.decode('utf-8') for s in temp])
プリント：
German Chinese French
Straße 中國的 français
auslösen 英語 américaine
zerstören 美國人 épais
csvモジュールのドキュメント の最後に、Unicodeの処理方法を示す例があります。その下から直接コピーされます example 。読み書きされる文字列はUnicode文字列であることに注意してください。たとえば、UnicodeWriter.writerowsにバイト文字列を渡さないでください。
import csv,codecs,cStringIO
class UTF8Recoder:
def __init__(self, f, encoding):
self.reader = codecs.getreader(encoding)(f)
def __iter__(self):
return self
def next(self):
return self.reader.next().encode("utf-8")
class UnicodeReader:
def __init__(self, f, dialect=csv.Excel, encoding="utf-8-sig", **kwds):
f = UTF8Recoder(f, encoding)
self.reader = csv.reader(f, dialect=dialect, **kwds)
def next(self):
'''next() -> unicode
This function reads and returns the next line as a Unicode string.
'''
row = self.reader.next()
return [unicode(s, "utf-8") for s in row]
def __iter__(self):
return self
class UnicodeWriter:
def __init__(self, f, dialect=csv.Excel, encoding="utf-8-sig", **kwds):
self.queue = cStringIO.StringIO()
self.writer = csv.writer(self.queue, dialect=dialect, **kwds)
self.stream = f
self.encoder = codecs.getincrementalencoder(encoding)()
def writerow(self, row):
'''writerow(unicode) -> None
This function takes a Unicode string and encodes it to the output.
'''
self.writer.writerow([s.encode("utf-8") for s in row])
data = self.queue.getvalue()
data = data.decode("utf-8")
data = self.encoder.encode(data)
self.stream.write(data)
self.queue.truncate(0)
def writerows(self, rows):
for row in rows:
self.writerow(row)
with open('xxx.csv','rb') as fin, open('lll.csv','wb') as fout:
reader = UnicodeReader(fin)
writer = UnicodeWriter(fout,quoting=csv.QUOTE_ALL)
for line in reader:
writer.writerow(line)
入力（UTF-8エンコード）：
American,美国人
French,法国人
German,德国人
出力：
"American","美国人"
"French","法国人"
"German","德国人"
Python2のstrは実際にはbytesであるためです。したがって、unicodeをcsvに書き込みたい場合は、utf-8エンコードを使用してunicodeをstrにエンコードする必要があります。
def py2_unicode_to_str(u):
# unicode is only exist in python2
assert isinstance(u, unicode)
return u.encode('utf-8')
class csv.DictWriter(csvfile, fieldnames, restval='', extrasaction='raise', dialect='Excel', *args, **kwds)を使用します。
- py2
csvfile：open(fp, 'w')utf-8でエンコードされたbytesにキーと値を渡しますwriter.writerow({py2_unicode_to_str(k): py2_unicode_to_str(v) for k,v in row.items()})
- py3
csvfile：open(fp, 'w')strを含む通常の辞書をrowとしてwriter.writerow(row)に渡す
最後にコード
import sys
is_py2 = sys.version_info[0] == 2
def py2_unicode_to_str(u):
# unicode is only exist in python2
assert isinstance(u, unicode)
return u.encode('utf-8')
with open('file.csv', 'w') as f:
if is_py2:
data = {u'Python中国': u'Python中国', u'Python中国2': u'Python中国2'}
# just one more line to handle this
data = {py2_unicode_to_str(k): py2_unicode_to_str(v) for k, v in data.items()}
fields = list(data[0])
writer = csv.DictWriter(f, fieldnames=fields)
for row in data:
writer.writerow(row)
else:
data = {'Python中国': 'Python中国', 'Python中国2': 'Python中国2'}
fields = list(data[0])
writer = csv.DictWriter(f, fieldnames=fields)
for row in data:
writer.writerow(row)
結論
Python3では、ユニコードstrを使用します。
Python2では、unicodeハンドルテキストを使用し、I/Oが発生したときにstrを使用します。
上記のマークには応答できませんでしたが、セル内のデータがUnicodeでない場合、つまりfloatまたはintデータの場合に発生するエラーを修正する1つの変更を加えました。この行をUnicodeWriter関数に置き換えました： "self.writer.writerow（[s.encode（" utf-8 "）if type（s）== types.UnicodeType else s for s for row]）" " ：
class UnicodeWriter:
def __init__(self, f, dialect=csv.Excel, encoding="utf-8-sig", **kwds):
self.queue = cStringIO.StringIO()
self.writer = csv.writer(self.queue, dialect=dialect, **kwds)
self.stream = f
self.encoder = codecs.getincrementalencoder(encoding)()
def writerow(self, row):
'''writerow(unicode) -> None
This function takes a Unicode string and encodes it to the output.
'''
self.writer.writerow([s.encode("utf-8") if type(s)==types.UnicodeType else s for s in row])
data = self.queue.getvalue()
data = data.decode("utf-8")
data = self.encoder.encode(data)
self.stream.write(data)
self.queue.truncate(0)
def writerows(self, rows):
for row in rows:
self.writerow(row)
また、「タイプをインポート」する必要があります。
私はまったく同じ問題を抱えていました。答えは、あなたはすでにそれを正しくやっているということです。 MS Excelの問題です。別のエディターでファイルを開いてみてください。エンコードがすでに成功していることがわかります。 MS Excelを幸せにするには、UTF-8からUTF-16に移行します。これは動作するはずです：
class UnicodeWriter:
def __init__(self, f, dialect=csv.Excel_tab, encoding="utf-16", **kwds):
# Redirect output to a queue
self.queue = StringIO.StringIO()
self.writer = csv.writer(self.queue, dialect=dialect, **kwds)
self.stream = f
# Force BOM
if encoding=="utf-16":
import codecs
f.write(codecs.BOM_UTF16)
self.encoding = encoding
def writerow(self, row):
# Modified from original: now using unicode(s) to deal with e.g. ints
self.writer.writerow([unicode(s).encode("utf-8") for s in row])
# Fetch UTF-8 output from the queue ...
data = self.queue.getvalue()
data = data.decode("utf-8")
# ... and reencode it into the target encoding
data = data.encode(self.encoding)
# strip BOM
if self.encoding == "utf-16":
data = data[2:]
# write to the target stream
self.stream.write(data)
# empty queue
self.queue.truncate(0)
def writerows(self, rows):
for row in rows:
self.writerow(row)