Reading UTF-8 với BOM sử dụng mô-đun Python CSV gây thêm các ký tự không mong muốn

Question

Tôi cố gắng để đọc tập tin với Python một CSV với đoạn mã sau:

with open("example.txt") as f: 
    c = csv.reader(f) 
    for row in c: 
     print row 

My example.txt chỉ có các nội dung sau đây:

 
Hello world! 

Đối với UTF-8 hoặc các tập tin ANSI mã hóa, điều này mang lại cho tôi kết quả dự kiến:

> ["Hello world!"] 

Nhưng nếu tôi lưu các tập tin như UTF-8 với BOM tôi nhận được kết quả này:

> ["\xef\xbb\xbfHello world!"] 

Vì tôi không có bất cứ quyền kiểm soát những tập tin người dùng sẽ sử dụng như là đầu vào, tôi sẽ như thế này để làm việc với BOM cũng. Làm cách nào để khắc phục sự cố này? Tôi có cần phải làm gì để đảm bảo rằng nó cũng hoạt động với các mã hóa khác không?

Answer 1

Bạn có thể tận dụng các mô-đun unicodecsv Python như sau:

import unicodecsv 

with open('input.csv', 'rb') as f_input: 
    csv_reader = unicodecsv.reader(f_input, encoding='utf-8-sig') 
    print list(csv_reader) 

Vì vậy, đối với một tập tin đầu vào có chứa sau trong UTF-8 với BOM:

c1,c2,c3,c4,c5,c6,c7,c8 
1,2,3,4,5,6,7,8 

Nó sẽ hiển thị như sau :

[[u'c1', u'c2', u'c3', u'c4', u'c5', u'c6', u'c7', u'c8'], [u'1', u'2', u'3', u'4', u'5', u'6', u'7', u'8']]