这是我的代码，
for line in open('u.item'):
# Read each line
每当我运行这段代码，它给出以下错误:
UnicodeDecodeError: 'utf-8' codec无法解码字节0xe9在位置2892:无效的延续字节
我试图解决这个问题，并在open()中添加了一个额外的参数。代码如下:
for line in open('u.item', encoding='utf-8'):
# Read each line
但是它又给出了同样的错误。那我该怎么办呢?
当前回答
你可以试试这种方法:
open('u.item', encoding='utf8', errors='ignore')
其他回答
基于Stackoverflow上的另一个问题和本文之前的回答，我想添加一个帮助来找到正确的编码。
如果你的脚本运行在Linux操作系统上，你可以通过file命令获取编码:
file --mime-encoding <filename>
下面是一个python脚本来为你做这件事:
import sys
import subprocess
if len(sys.argv) < 2:
print("Usage: {} <filename>".format(sys.argv[0]))
sys.exit(1)
def find_encoding(fname):
"""Find the encoding of a file using file command
"""
# find fullname of file command
which_run = subprocess.run(['which', 'file'], stdout=subprocess.PIPE)
if which_run.returncode != 0:
print("Unable to find 'file' command ({})".format(which_run.returncode))
return None
file_cmd = which_run.stdout.decode().replace('\n', '')
# run file command to get MIME encoding
file_run = subprocess.run([file_cmd, '--mime-encoding', fname],
stdout=subprocess.PIPE,
stderr=subprocess.PIPE)
if file_run.returncode != 0:
print(file_run.stderr.decode(), file=sys.stderr)
# return encoding name only
return file_run.stdout.decode().split()[1]
# test
print("Encoding of {}: {}".format(sys.argv[1], find_encoding(sys.argv[1])))
您的文件实际上并不包含UTF-8编码的数据;它包含一些其他编码。弄清楚这种编码是什么，并在开放呼叫中使用它。
例如，在Windows-1252编码中，0xe9将是字符é。
使用这个，如果你直接从github或kaggle加载数据DF=pd.read_csv(文件，编码='ISO-8859-1')
用notepad++打开文件，选择“编码”或“编码”菜单来识别或从ANSI转换为UTF-8或ISO 8859-1代码页。
编码替换为encoding='ISO-8859-1'
For line in open('u。项”,编码= ' iso - 8859 - 1”):
print (line)
