A. 乱码文件怎么删除
乱码文件怎么删除(乱码文件电脑 怎么删除掉)当我们用 python 来处理有乱码的文件时，经常会遇到编码错误，有时候不得不加一个 errors = 'ignore' 参数来忽略错误，
今天分享一下如何用 Python 删除这些乱码，得到一个干净的文件。
先说下思路：用二进制方式打开文件，这样就不会出现编码问题，然后读取每一个字节，只要这个字节不在我们使用编码的范围内，就把它踢掉，然后保存剩下的字节，我们得到的就是一个干净的文件。
比如说这样 ascii 编码的文件，它含有乱码：
处理完之后是这样的：
代码是这样写的：
import struct def is_good_byte(b): """ 电脑 可以自定义什么是好字节，比如 GBK 的字节范围可以在这里定义好 """ return b <= 127def clean_bytes(bs): return 电脑 filter(is_good_byte, bs)def clean_file_bin(): with open("names.txt", mode = "rb") as reader: 电脑 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()
上面这段代码是一个字节一个字节来处理的，如果是多字节编码，可以自行修改代码逻辑，比如一次读取 3 个字节，判断这三个字节是否一个合法的字节组合。
对于中英文混合的，比如：
>>> x'abc中国'>>> x.encode("GBK")b'abcxd6xd0xb9xfa'>>> for i in x.encode("GBK"):... print(i)...979899214208185250>>>
需要综合判断，先判断是否英文字母，是的就放行，然后看接下来的两个字节是否在 GBK 的编码范围之内，是的就放行，不是就要删除，看看是删除一个字节，还是两个字节就要继续判断了。删除的依据就是不会造成更多乱码。
电脑原文链接：
https://mp.weixin.qq.com/s/ZhsbGIoR6HkJHetlOjStWQ
B. 超简单：Python 5步去中国式报表表头
面对带有中国式报表表头的Excel文件，繁琐的手动调整操作可能会给数据处理带来极大不便。为提高效率，通过Python进行自动化处理成为了一个更加便捷的选择。下面是使用Python进行简单步骤处理的方法：
为了适应您的工作需求，确保代码的通用性与灵活性，请将“file_path”修改为您所需的文件路径，路径应为Windows系统文件路径，并在路径前后添加单引号或双引号。同时，文件路径允许包含中文字符。
在处理时，选择一个适合的文件名，即“df”，您可以根据实际情况进行修改。
若报表表头为多行，例如第二行开始，设置“skiprow=1”；如果表头包含n行，则将“skiprow”值调整为n-1。
“name=None”部分无需改动。
针对数据范围的读取，使用“usecols=’A:AH’”进行指定。若不需特定列范围，可省略此步骤。对于非连续列的读取，可以采用“usecols=‘A,C,E:AH’”的格式，其中单列间用英文逗号分隔，连续列用英文冒号。
如果文件包含多个sheet页，需要在“sheet_name”参数中列出，例如“sheet_name=['sheet名称', 'sheet名称']”。注意，英文名称需注意大小写。
在进行数据处理后，保存文件时确保与“df”保持一致性，并选择期望的导出位置及文件名。此操作将自动覆盖同名文件。
在处理过程中，使用英文中括号“[]”定义列名，并确保其顺序与“usecols”一致。列名使用英文时，输入更加便捷。中文列名应使用单引号或双引号括起。
最后，根据实际需求调整“encoding”参数，以解决中文字符可能导致的乱码问题。默认设置通常能够满足基本需求，无需额外调整。
综上所述，通过上述Python代码的五个步骤，您可实现高效处理带有中国式报表表头的Excel文件，大大提升工作效率，并确保工作流程的一致性与稳定性。
C. python解决csv文件用excel打开乱码问题
【问题】
python输出的csv文件用excel打开，里面的中文会变成乱码，但用window下的记事本或mac下的numbers打开就正常显示。
原因是python输出的文件是utf-8编码写入的，excel默认以gbk方式读取，导致乱码发生。
【解决方法1】文件产出时encoding设置为utf-8-sig
用excel打开csv时，excel会先检查文件的第一个字符，来了解这个文件是什么编码方式，如果这个字符是BOM，excel就知道用utf-8的方式打开这个文件。python自带了处理BOM的编码方式uft-8-sig，因此只需要在文件产出时将encoding设置为utf-8-sig。
如果文件不是由python产出的，只需要以utf-8方式读入再以utf-8-sig方式存储即可
【解决方法2】懒人法，适用只含简体中文的文件
用记事本打开，点击另存为，右下角编码方式选择“ANSI”，这个过程是把这个文件改成gbk编码格式，excel就是默认用gbk方式打开的。
参考： Python写的csv文件，如何让 Excel 双击打开不乱码？ - 云+社区 - 腾讯云
对编码格式一窍不通的可以阅读以下网页
python笔记——二进制和文件编码_砍柴姑娘Jourosy的博客-CSDN博客
编码方式之ASCII、ANSI、Unicode概述 - 蓝海人 - 博客园
【简单总结】：
1. 首先需要了解 字符集 和 字符编码 两个概念，字符集定义了字符和二进制的一一对应关系，字符编码规定了如何将字符的编号存储到计算机中。
2. Unicode是字符集，包含了全球文字的唯一编码，utf-8是编码方式，将unicode以某种方式存储到计算机中。
3. 有些字符集和编码是结合在一起的，称作字符集还是编码都无所谓，比如ASCII，GBK
4. ANSI是各个国家地区不同扩展编码方式的总称，互不兼容（可以看出来通用性没有utf好）
5. 不同编码方式在转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。