摄影：产品经理厨师：Kingname
我们常常需要在 Python 中输出 CSV 文件，但你可能会发现，这些输出的 CSV文件，不能双击使用 Excel 打开，否则中文会变成乱码。例如下面这段代码：
import pandas as pd datas = [ { 'name': '王小一', 'age': 29, 'address': '北京' }, { 'name': '张小二', 'age': 18, 'address': '四川' }, { 'name': '李小三', 'age': 60, 'address': '上海' } ] df = pd.DataFrame(datas) df.to_csv('person.csv', index=False)
如果双击使用 Excel 打开，你会发现中文变成了乱码，如下图所示：
这是因为，当你执行代码 df.to_csv('person.csv',index=False)时，它默认会以 UTF-8编码方式写 CSV 文件。但是当你双击 CSV 使用 Excel打开时，Excel 会以 GBK 编码来读这个文件，这就导致了乱码的发生。
所以，如果是简单的中文，你可以把编码方式人工指定为 GBK：
import pandas as pd datas = [ { 'name': '王小一', 'age': 29, 'address': '北京' }, { 'name': '张小二', 'age': 18, 'address': '四川' }, { 'name': '李小三', 'age': 60, 'address': '上海' } ] df = pd.DataFrame(datas) df.to_csv('person.csv', index=False, encoding='gbk')
此时再双击使用 Excel 打开，中文就能正常显示了，如下图所示：
但 GBK 编码的字符集不够完善，所以如果文本中包含超出 GBK 字符集的内容，就会导致编码错误，如下图所示：
这个时候怎么办呢？
实际上当你双击打开 CSV 的时候，Excel会检查文件的第一个字符，如果这个字符是 BOM，那么他就知道应该使用 UTF-8编码方式来打开这个文件。所谓的 BOM指的是 byte-order mark。
BOM对应的 Unicode 码为 \ufeff，所以当我们使用 UTF-8编码方式生成 CSV 以后，再增加一步，把 BOM 写入到文件的第一个字符：
with open('person.csv', encoding='utf-8') as f: content = f.read() content_with_bom = '\ufeff' + content with open('person.csv', 'w', encoding='utf-8') as f: f.write(content_with_bom)
完整代码如下图所示：
此时，新的 CSV 文件可以直接双击通过 Excel 打开，并且中文支持完全正常，如下图所示：
这样生成的 Excel 虽然在 Excel 上显示没有问题，但是如果你发给别人，别人使用 Python 自带的 csv 模块打开，就会发现 address这一列的列名不是 address而是 \ufeffaddress，如下图所示：
这个 BOM字符虽然肉眼看不到，但是程序能够看到，这就会导致别人在读这个 CSV 文件的时候非常不方便。如果直接使用 address去读，还会报错：
难道此时，需要先用普通方式读取 csv 文件，移除第一个 BOM 字符，然后再传给 CSV 模块吗？这未免太过麻烦。
好在 Python 只带了处理 BOM的编码方式 utf-8-sig，无论是写文件还是读文件，只要使用这个编码方式，Python 在写文件的时候会自动加上 BOM，在读文件的时候会自动删除 BOM。
所以生成 CSV 文件的代码如下：
import pandas as pd datas = [ { 'name': '王小一', 'age': 29, 'address': '北京' }, { 'name': '张小二', 'age': 18, 'address': '四❤川' }, { 'name': '李小三', 'age': 60, 'address': '上海' } ] df = pd.DataFrame(datas) df.to_csv('person.csv', index=False, encoding='utf-8-sig')
此时生成的 CSV 文件，可以直接双击使用 Excel 打开，中文正常显示。
如果要使用 Python 的 CSV 模块读取文件，也非常简单，如下图所示：
读取出来的内容直接使用，BOM 已经被 Python 自动移除了。
