[Python知识库]Python在linux和mac读写.csv正常和Windows乱码的解决方法

背景：

在linux下开发的python读写.csv的脚本可以正常运行，给产品到windows下就各种问题。。。

问题1：gbk codec can't decode byte Oxae in position 74： illegalmultibyte sequence

原因：

此种错误，可能是要处理的字符串本身不是gbk编码，但是在windows中却以gbk编码去解码 。比如，字符串本身是utf-8的，但是却用gbk去解码utf-8的字符串，所以结果出错。?

解决方法：

在读文件前，先读取文件前4位（编码位），确认好encoding的编码格式，在以该种编码格式打开文件即可

def check_charset(file_path):
    with open(file_path, "rb") as f:
        data = f.read(4)
        charset = chardet.detect(data)["encoding"]
    return charset

file_dir = "/data/test.csv"
with open(file_dir, "r",
     encoding=check_charset(file_dir)) as accuracy_file:
     pass

问题2:.csv文件在linux和Mac中正常，在windows下中文乱码

原因：

BOM（byte-order mark，字节顺序标记）：
Unix系统中都是使用的utf-8编码，所以在Mac用open打开utf-8编码的csv文件并不用加encoding=“utf-8”。

Windows系统的中文环境很多软件默认字符编码为gbk，比如如果用上面的语句打开csv文件则会报错。

具体原因比较麻烦。。。要下班回去了，有机会再解释。。。

解决方法：

有两种方法，最好一起用

一、手动写BOM在要写的文件前面

def add_bom_for_windows(file):
    with open(file, "wb") as f:
        f.write(codecs.BOM_UTF8)

?二、加encoding="utf-8-sig"

add_bom_for_windows(out_dir4)
    with open(out_dir4, "a", encoding="utf-8-sig") as o:
        for line in lines:
            o.write(line)

参考：

Python中读取txt文本出现“ 'gbk' codec can't decode byte 0xbf in position 2: illegal multibyte sequence”的解决办法_云水禅心的博客-CSDN博客

「Python数据分析」CSV读取与写入的常见问题（空行、BOM、r/w/a模式、指针）_Parzival_的博客-CSDN博客Python写入的CSV在Windows中乱码_ITROOKIEIS的博客-CSDN博客「Python数据分析」CSV读取与写入的常见问题（空行、BOM、r/w/a模式、指针）_Parzival_的博客-CSDN博客