python處理excel亂碼

A. 亂碼文件怎麼刪除

當我們用 python 來處理有亂碼的文件時，經常會遇到編碼錯誤，有時候不得不加一個 errors = 'ignore' 參數來忽略錯誤，

今天分享一下如何用 Python 刪除這些亂碼，得到一個干凈的文件。

先說下思路：用二進制方式打開文件，這樣就不會出現編碼問題，然後讀取每一個位元組，只要這個位元組不在我們使用編碼的范圍內，就把它踢掉，然後保存剩下的位元組，我們得到的就是一個干凈的文件。

比如說這樣 ascii 編碼的文件，它含有亂碼：

處理完之後是這樣的：

代碼是這樣寫的：

import struct def is_good_byte(b): """ 電腦 可以自定義什麼是好位元組，比如 GBK 的位元組范圍可以在這里定義好 """ return b <= 127def clean_bytes(bs): return 電腦 filter(is_good_byte, bs)def clean_file_bin(): with open("names.txt", mode = "rb") as reader: 電腦 with open("cleaned_names.txt", mode = "wb") as writer: for line in reader: for byte in clean_bytes(line): writer.write(struct.pack('B',byte))if __name__ == '__main__': clean_file_bin()

上面這段代碼是一個位元組一個位元組來處理的，如果是多位元組編碼，可以自行修改代碼邏輯，比如一次讀取 3 個位元組，判斷這三個位元組是否一個合法的位元組組合。

對於中英文混合的，比如：

>>> x'abc中國'>>> x.encode("GBK")b'abcxd6xd0xb9xfa'>>> for i in x.encode("GBK"):... print(i)...979899214208185250>>>

需要綜合判斷，先判斷是否英文字母，是的就放行，然後看接下來的兩個位元組是否在 GBK 的編碼范圍之內，是的就放行，不是就要刪除，看看是刪除一個位元組，還是兩個位元組就要繼續判斷了。刪除的依據就是不會造成更多亂碼。

原文鏈接：

https://mp.weixin.qq.com/s/ZhsbGIoR6HkJHetlOjStWQ

B. 超簡單：Python 5步去中國式報表表頭

面對帶有中國式報表表頭的Excel文件，繁瑣的手動調整操作可能會給數據處理帶來極大不便。為提高效率，通過Python進行自動化處理成為了一個更加便捷的選擇。下面是使用Python進行簡單步驟處理的方法：

為了適應您的工作需求，確保代碼的通用性與靈活性，請將「file_path」修改為您所需的文件路徑，路徑應為Windows系統文件路徑，並在路徑前後添加單引號或雙引號。同時，文件路徑允許包含中文字元。

在處理時，選擇一個適合的文件名，即「df」，您可以根據實際情況進行修改。

若報表表頭為多行，例如第二行開始，設置「skiprow=1」；如果表頭包含n行，則將「skiprow」值調整為n-1。

「name=None」部分無需改動。

針對數據范圍的讀取，使用「usecols=』A:AH』」進行指定。若不需特定列范圍，可省略此步驟。對於非連續列的讀取，可以採用「usecols=『A,C,E:AH』」的格式，其中單列間用英文逗號分隔，連續列用英文冒號。

如果文件包含多個sheet頁，需要在「sheet_name」參數中列出，例如「sheet_name=['sheet名稱', 'sheet名稱']」。注意，英文名稱需注意大小寫。

在進行數據處理後，保存文件時確保與「df」保持一致性，並選擇期望的導出位置及文件名。此操作將自動覆蓋同名文件。

在處理過程中，使用英文中括弧「[]」定義列名，並確保其順序與「usecols」一致。列名使用英文時，輸入更加便捷。中文列名應使用單引號或雙引號括起。

最後，根據實際需求調整「encoding」參數，以解決中文字元可能導致的亂碼問題。默認設置通常能夠滿足基本需求，無需額外調整。

綜上所述，通過上述Python代碼的五個步驟，您可實現高效處理帶有中國式報表表頭的Excel文件，大大提升工作效率，並確保工作流程的一致性與穩定性。

C. python解決csv文件用excel打開亂碼問題

【問題】

python輸出的csv文件用excel打開，裡面的中文會變成亂碼，但用window下的記事本或mac下的numbers打開就正常顯示。

原因是python輸出的文件是utf-8編碼寫入的，excel默認以gbk方式讀取，導致亂碼發生。

【解決方法1】文件產出時encoding設置為utf-8-sig    

用excel打開csv時，excel會先檢查文件的第一個字元，來了解這個文件是什麼編碼方式，如果這個字元是BOM，excel就知道用utf-8的方式打開這個文件。python自帶了處理BOM的編碼方式uft-8-sig，因此只需要在文件產出時將encoding設置為utf-8-sig。

如果文件不是由python產出的，只需要以utf-8方式讀入再以utf-8-sig方式存儲即可

【解決方法2】懶人法，適用只含簡體中文的文件

用記事本打開，點擊另存為，右下角編碼方式選擇「ANSI」，這個過程是把這個文件改成gbk編碼格式，excel就是默認用gbk方式打開的。

參考： Python寫的csv文件，如何讓 Excel 雙擊打開不亂碼？ - 雲+社區 - 騰訊雲

對編碼格式一竅不通的可以閱讀以下網頁

python筆記——二進制和文件編碼_砍柴姑娘Jourosy的博客-CSDN博客

編碼方式之ASCII、ANSI、Unicode概述 - 藍海人 - 博客園

【簡單總結】：

1. 首先需要了解 字元集 和 字元編碼 兩個概念，字元集定義了字元和二進制的一一對應關系，字元編碼規定了如何將字元的編號存儲到計算機中。

2. Unicode是字元集，包含了全球文字的唯一編碼，utf-8是編碼方式，將unicode以某種方式存儲到計算機中。

3. 有些字元集和編碼是結合在一起的，稱作字元集還是編碼都無所謂，比如ASCII，GBK

4. ANSI是各個國家地區不同擴展編碼方式的總稱，互不兼容（可以看出來通用性沒有utf好）

5. 不同編碼方式在轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字元串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。