UnicodeDecodeError：“utf8”编解码器无法解码字节 0x9c

http://docs.python.org/howto/unicode.html#the-unicode-type

str = unicode(str, errors='replace')

或者

str = unicode(str, errors='ignore')

注意：这将删除（忽略）有问题的字符，返回没有它们的字符串。

对我来说，这是理想的情况，因为我使用它来保护我的应用程序不允许的非 ASCII 输入。

或者：使用 codecs 模块中的 open 方法读入文件：

import codecs
with codecs.open(file_name, 'r', encoding='utf-8',
                 errors='ignore') as fdata:

将引擎从 C 更改为 Python 对我有用。

引擎是C：

pd.read_csv(gdp_path, sep='\t', engine='c')

“utf-8”编解码器无法解码位置 18 中的字节 0x92：无效的起始字节

引擎是 Python：

pd.read_csv(gdp_path, sep='\t', engine='python')

对我来说没有错误。

既然我已经迁移到 Python 3，这种类型的问题就出现了。我不知道 Python 2 只是简单地滚动文件编码的任何问题。

我发现了这个对差异的很好的解释，以及在上述方法都不适合我之后如何找到解决方案。

http://python-notes.curiousefficiency.org/en/latest/python3/text_file_processing.html

简而言之，要使 Python 3 的行为尽可能与 Python 2 相似，请使用：

with open(filename, encoding="latin-1") as datafile:
    # work on datafile here

但是，阅读文章，没有一种万能的解决方案。

>>> '\x9c'.decode('cp1252')
u'\u0153'
>>> print '\x9c'.decode('cp1252')
œ

首先，使用 get_encoding_type 获取文件的编码类型：

import os    
from chardet import detect

# get file encoding type
def get_encoding_type(file):
    with open(file, 'rb') as f:
        rawdata = f.read()
    return detect(rawdata)['encoding']

第二，使用以下类型打开文件：

open(current_file, 'r', encoding = get_encoding_type, errors='ignore')

我对 UnicodeDecodeError 有同样的问题，我用这条线解决了它。不知道是否是最好的方法，但它对我有用。

str = str.decode('unicode_escape').encode('utf-8')

此解决方案在使用拉丁美洲口音（例如“ñ”）时效果很好。

我只是通过添加解决了这个问题

df = pd.read_csv(fileName,encoding='latin1')

我已经使用此代码解决了这个问题

df = pd.read_csv(path, engine='python')

以防万一有人遇到同样的问题。我正在使用带有 YouCompleteMe 的 vim，无法使用此错误消息启动 ycmd，我所做的是：export LC_CTYPE="en_US.UTF-8"，问题消失了。

如果您需要更改文件，但不知道文件的编码，该怎么办？如果您知道编码与 ASCII 兼容并且只想检查或修改 ASCII 部分，则可以使用 surrogateescape 错误处理程序打开文件：

with open(fname, 'r', encoding="ascii", errors="surrogateescape") as f:
    data = f.read()