Python CSV 错误：行包含 NULL 字节

Question

我正在处理一些 CSV 文件，代码如下：

reader = csv.reader(open(filepath, "rU"))
try:
    for row in reader:
        print 'Row read successfully!', row
except csv.Error, e:
    sys.exit('file %s, line %d: %s' % (filename, reader.line_num, e))

一个文件抛出这个错误：

file my.csv, line 1: line contains NULL byte

我能做什么？谷歌似乎暗示它可能是一个不正确地保存为 .csv 的 Excel 文件。有什么办法可以在 Python 中解决这个问题？

== 更新 ==

根据下面@JohnMachin 的评论，我尝试将这些行添加到我的脚本中：

print repr(open(filepath, 'rb').read(200)) # dump 1st 200 bytes of file
data = open(filepath, 'rb').read()
print data.find('\x00')
print data.count('\x00')

这是我得到的输出：

'\xd0\xcf\x11\xe0\xa1\xb1\x1a\xe1\x00\x00\x00\x00\x00\x00\x00\x00\ .... <snip>
8
13834

所以文件确实包含 NUL 字节。

Answer 1

你为什么要这样做？

 reader = csv.reader(open(filepath, "rU"))

文档非常清楚您必须这样做：

with open(filepath, "rb") as src:
    reader= csv.reader( src )

模式必须是“rb”才能读取。

http://docs.python.org/library/csv.html#csv.reader

如果 csvfile 是文件对象，则必须在不同的平台上使用“b”标志打开它。

Answer 2

正如@S.Lott 所说，您应该以“rb”模式打开文件，而不是“rU”模式。但是，这可能不会导致您当前的问题。据我所知，如果数据中嵌入了\r，使用“rU”模式会搞砸你，但不会引起任何其他戏剧性事件。我还注意到您有多个文件（全部以“rU”打开？？）但只有一个导致问题。

如果 csv 模块说您的文件中有一个“NULL”（愚蠢的消息，应该是“NUL”）字节，那么您需要检查文件中的内容。我建议您这样做，即使使用 'rb' 可以解决问题。

repr() 是（或想成为）您的调试朋友。它将以独立于平台的方式明确显示您所拥有的（这对不知道od 是什么或做什么的帮助者很有帮助）。这样做：

print repr(open('my.csv', 'rb').read(200)) # dump 1st 200 bytes of file

并小心地将结果复制/粘贴（不要重新输入）到您的问题的编辑中（而不是评论中）。

还要注意，如果文件真的很狡猾，例如在距文件开头合理距离内没有 \r 或 \n 时，reader.line_num 报告的行号将是（无济于事） 1. 通过以下操作查找第一个 \x00 的位置（如果有）

data = open('my.csv', 'rb').read()
print data.find('\x00')

并确保使用 repr 或 od 转储至少那么多字节。

data.count('\x00') 告诉你什么？如果有很多，你可能想做类似的事情

for i, c in enumerate(data):
    if c == '\x00':
        print i, repr(data[i-30:i]) + ' *NUL* ' + repr(data[i+1:i+31])

这样您就可以在上下文中看到 NUL 字节。

如果您可以在输出中看到\x00（或在您的od -c 输出中看到\0），那么您的文件中肯定有NUL 字节，您需要执行以下操作：

fi = open('my.csv', 'rb')
data = fi.read()
fi.close()
fo = open('mynew.csv', 'wb')
fo.write(data.replace('\x00', ''))
fo.close()

顺便问一下，您是否使用文本编辑器查看过文件（包括最后几行）？它实际上看起来像其他（没有“NULL 字节”例外）文件一样合理的 CSV 文件吗？

Answer 3

显然它是一个 XLS 文件，而不是一个 CSV 文件，因为 http://www.garykessler.net/library/file_sigs.html 确认

Answer 4

我也遇到了这个问题。使用 Python csv 模块，我试图读取在 MS Excel 中创建的 XLS 文件并遇到您遇到的 NULL byte 错误。我环顾四周，找到了xlrd Python 模块，用于从 MS Excel 电子表格文件中读取和格式化数据。使用xlrd 模块，我不仅能够正确读取文件，而且还可以访问文件的许多不同部分，这是我以前无法做到的。

我认为它可能会对你有所帮助。

Answer 5

我遇到了同样的错误。以 UTF-8 保存文件，它可以工作。

Answer 6

将源文件的编码从 UTF-16 转换为 UTF-8 解决了我的问题。

How to convert a file to utf-8 in Python?

import codecs
BLOCKSIZE = 1048576 # or some other, desired size in bytes
with codecs.open(sourceFileName, "r", "utf-16") as sourceFile:
    with codecs.open(targetFileName, "w", "utf-8") as targetFile:
        while True:
            contents = sourceFile.read(BLOCKSIZE)
            if not contents:
                break
            targetFile.write(contents)

Answer 7

我对字符串使用读取文件和拆分函数，而不是 csv 阅读器：

lines = open(input_file,'rb') 

for line_all in lines:

    line=line_all.replace('\x00', '').split(";")

Answer 8

这发生在我使用 OpenOffice Calc 创建 CSV 文件时。当我在文本编辑器中创建 CSV 文件时没有发生这种情况，即使我后来使用 Calc 对其进行了编辑。

我通过在文本编辑器中将 Calc 创建的文件中的数据复制粘贴到新的编辑器创建的文件中解决了我的问题。

Answer 9

我在打开从 Web 服务生成的 CSV 时遇到了同样的问题，该服务在空标题中插入了 NULL 字节。我做了以下清理文件：

with codecs.open ('my.csv', 'rb', 'utf-8') as myfile:
    data = myfile.read()
    # clean file first if dirty
    if data.count( '\x00' ):
        print 'Cleaning...'
        with codecs.open('my.csv.tmp', 'w', 'utf-8') as of:
            for line in data:
                of.write(line.replace('\x00', ''))

        shutil.move( 'my.csv.tmp', 'my.csv' )

with codecs.open ('my.csv', 'rb', 'utf-8') as myfile:
    myreader = csv.reader(myfile, delimiter=',')
    # Continue with your business logic here...

免责声明： 请注意，这会覆盖您的原始数据。确保您有它的备份副本。您已被警告！

Answer 10

对于那些讨厌“rU”文件模式的人：我刚刚尝试在 Mac 上使用“rb”文件模式从 Windows 机器打开一个 CSV 文件，但我从 csv 模块收到了这个错误：

Error: new-line character seen in unquoted field - do you need to 
open the file in universal-newline mode?

在 'rU' 模式下打开文件可以正常工作。我喜欢通用换行模式——它为我省去了很多麻烦。

Answer 11

将其读取为 UTF-16 也是我的问题。

这是我最终工作的代码：

f=codecs.open(location,"rb","utf-16")
csvread=csv.reader(f,delimiter='\t')
csvread.next()
for row in csvread:
    print row

其中 location 是 csv 文件的目录。

Answer 12

我在使用 scrapy 并获取压缩的 csv 文件时遇到了这种情况，而没有正确的中间件来解压缩响应正文，然后再将其交给 csvreader。因此该文件并不是真正的 csv 文件，并相应地引发了 line contains NULL byte 错误。

Answer 13

如果你想假装它们不存在，你可以只内联一个生成器来过滤掉空值。当然，这是假设空字节并不是编码的真正一部分，并且确实是某种错误的工件或错误。

with open(filepath, "rb") as f:
    reader = csv.reader( (line.replace('\0','') for line in f) )

    try:
        for row in reader:
            print 'Row read successfully!', row
    except csv.Error, e:
        sys.exit('file %s, line %d: %s' % (filename, reader.line_num, e))

Answer 14

data_initial = open("staff.csv", "rb")
data = csv.reader((line.replace('\0','') for line in data_initial), delimiter=",")

这对我有用。

Answer 15

一种情况是 - 如果 CSV 文件包含空行，则可能会出现此错误。在我们继续写入或读取之前检查行是必要的。

for row in csvreader:
        if (row):       
            do something

我通过在代码中添加此检查解决了我的问题。

Answer 16

您是否尝试过使用 gzip.open？

with gzip.open('my.csv', 'rb') as data_file:

我试图打开一个已压缩但扩展名为“.csv”而不是“csv.gz”的文件。这个错误一直出现，直到我使用 gzip.open

Answer 17

我通过Excel的“另存为”打开并保存了原始的csv文件为.csv文件，NULL字节消失了。

我认为我收到的文件的原始编码是双字节 unicode（每隔一个字符就有一个空字符），所以通过 excel 保存它修复了编码。