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
试着用Pandas来阅读:
pd.read_csv('u.item', sep='|', names=m_cols, encoding='latin-1')
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])))
我一直遇到这个错误，通常解决方案不是通过encoding='utf-8'解决的，而是实际上使用engine='python'，就像这样:
import pandas as pd
file = "c:\\path\\to_my\\file.csv"
df = pd.read_csv(file, engine='python')
df
文档的链接在这里:
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html
你可以用以下方法来解决这个问题:
for line in open(your_file_path, 'rb'):
'rb'以二进制模式读取文件。点击这里阅读更多。
“utf-8”编解码器无法解码位置7044中的0xed字节:无效的延续字节
上述错误是由于编码造成的
解决方案:-使用" encoding='latin-1' "
参考:https://pandas.pydata.org/docs/search.html?q=encoding
如果你使用的是python2，下面是解决方案:
import io
for line in io.open("u.item", encoding="ISO-8859-1"):
# Do something
因为encoding参数对open()不起作用，你将得到以下错误:
'encoding'是此函数的无效关键字参数
