python 讀取中文CSV 'gbk' codec can't decode bytes in position 2-3：illegal multibyte sequence

標籤：error   blog   err   編碼   can   中文編碼   osi   字元   混合   

讀取中文的文檔如Excel，CSV檔案，需要中文編碼 如gbk 解碼才能轉Unicode；然而 資料混合類型，讀CSV檔案就會出錯，經管Excel正常。

 

UnicodeDecodeError ：‘gbk‘ codec can‘t decode bytes in position 2-3：illegal multibyte sequence
意思是：將一個字串，通過gbk的方式，去解碼，想要獲得Unicode字串，結果出錯了
 

解決方案：處理的字元的確是gb2312，但是其中夾雜的部分特殊字元，是gb2312編碼中所沒有的。
如果有些特殊字元是GB18030中有的，但是是gb2312中沒有的，則用gb2312去解碼，也比較會出錯。 所以，此種情況，可以嘗試用和當前編碼（gb2312）相容的但所包含字元更多的編碼（gb18030）去解碼，或許就可以了。
GB2312，GBK，GB18030，是相容的，包含的字元個數：GB2312 < GBK < GB18030

來自 <http://blog.csdn.net/junkichan/article/details/51913845>

 

python 讀取中文CSV 'gbk' codec can't decode bytes in position 2-3：illegal multibyte sequence