本文共 1300 字，大约阅读时间需要 4 分钟。

Python2 中文编码问题及 CSV 存储解决方案

在 Python2 中处理中文编码问题，尤其是涉及到 CSV 文件存储时，经常会遇到乱码现象。本文将详细介绍该问题的原因以及解决方法。

CSV 中文乱码的常见原因

Python2 的编码机制与 Python3 有显著区别，导致在处理中文数据时容易出现乱码问题。具体原因如下：

• Python2 中的字符串类型分为 `str`（字节流）和 `unicode`（字符流），默认编码为 ASCII。
• 当数据以 UTF-8 编码保存时，直接写入 CSV 文件可能会被 Windows 系统解码为 GB2312 或其他编码，从而导致乱码。

为了避免中文乱码问题，建议优先采用 Python3进行开发。然而，如果仍需使用 Python2，可以按照以下方法进行处理。

解决方法一：手动编码转换

在写入 CSV 文件时，可以通过手动将字符串从 UTF-8 转换为 GB2312 编码。具体方法如下：

# coding:utf-8
import csv
f = open("xieru1.csv", 'wb')
writer = csv.writer(f)
data = ["客户名称", "行业类型", "客户联系人", "职位", "联系方式", "邮箱","地址"]
for row in data:
    # 将每个字段从 UTF-8 转换为 GB2312
    writer.writerow(row.decode('utf-8').encode('gbk'))
f.close()

这种方法虽然可行，但操作较为繁琐，尤其是当数据量较大时，效率会显著下降。

解决方法二：使用 codecs.open

Python 的 `codecs` 模块提供了更加简便的方法来处理不同编码之间的转换。可以通过指定编码参数来确保数据正确写入 CSV 文件。

# coding:utf-8
import csv
import codecs
import sys
reload(sys)
sys.setdefaultencoding('utf8')
f = codecs.open("xx.csv", 'wb', 'gbk')
writer = csv.writer(f)
writer.writerow(["客户名称", "行业类型", "客户联系人", "职位", "联系方式", "邮箱","地址"])
f.close()

这种方法推荐使用，因为它可以自动处理编码转换，同时保持代码的简洁性。

编码与解码的原理

在处理 CSV 文件时，正确的编码转换顺序如下：

• 读取文件时，将文件的字节流解码为 UTF-8。
• 将 UTF-8 字符串编码为目标编码（如 GB2312）进行存储。

相反，在写入文件时，需要将字符串先编码为目标编码，再写入文件。

总结

在 Python2 中处理 CSV 文件中的中文数据时，正确的编码转换是关键。通过使用 `codecs.open` 方法，可以简化操作并避免乱码问题。建议开发者尽快迁移到 Python3，以享受更简便的字符串处理特性。

转载地址：http://xklfk.baihongyu.com/