Scrapy - 编码 csv 文件 utf-8

Question

我浏览了这个网站，我在谷歌上做了同样的事情，但我没有发现关于将数据导出到编码 utf-8 的 csv 文件中。

我需要对我的文件进行编码，因为我有一些法语字符（例如 É）。 我使用 CsvItemExporter，它通常已经以 utf-8 编码，但它没有给我正确的字符。而不是这些字符，我只有一些奇怪的东西，比如 \A4ybzkzv，我不知道如何拥有正确的东西。

我希望我已经足够清楚了！谢谢你的帮助...

这是我的 pipelines.py ：

# -*- coding: utf-8 -*-
from scrapy import signals
from scrapy.exporters import CsvItemExporter

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html

# Define your output file.
class FnacPipeline(CsvItemExporter):
    def __init__(self):
        self.files = {}

    @classmethod
    def from_crawler(cls, crawler):
        pipeline = cls()
        crawler.signals.connect(pipeline.spider_opened, signals.spider_opened)
        crawler.signals.connect(pipeline.spider_closed, signals.spider_closed)
        return pipeline

    def spider_opened(self, spider):
        f = open('..\\..\\..\\..\\Fnac.csv', 'w').close()
        file = open('..\\..\\..\\..\\Fnac.csv', 'w')
        self.files[spider] = file
        self.exporter = CsvItemExporter(file)
        self.exporter.start_exporting()

    def spider_closed(self, spider):
        self.exporter.finish_exporting()
        file = self.files.pop(spider)
        file.close()

    def process_item(self, item, spider):
        self.exporter.export_item(item)
        return item

使用此管道，我有一个错误，而不是正确的字符：TypeError: must be str, not bytes，当我将file = open('..\\..\\..\\..\\Fnac.csv', 'w') 更改为file = open('..\\..\\..\\..\\Fnac.csv', 'wb') 时，我没有更多错误但不是正确的字符...

我的输出： France métropolitaine

我想要的输出： France métropolitaine

Answer 1

在 Python 3 中使用 utf-8 编码打开 text 文件的正确方法如下：

fd = open(path, mode='w', encoding='utf-8')
fd.write("Unicode string")

但是您的CsvItemExporter 接缝为您进行编码，因此它将二进制数据写入您的文件。所以最好的方法是以二进制格式打开你的文件：

fd = open(path, mode='wb')
fd.write(b"Binary string")

结果：“France métropolitaine”是正确的。问题是您没有使用正确的编辑器来阅读您的文件。您肯定在使用 Excel。 Excel 在法语版本上默认使用 cp1252 打开 CSV 文件。您需要导入文件才能选择源编码。注意：使用 Libre Office 不会有这个问题。

Answer 2

所以正确的答案是将其保存为utf-8 并使用excel Import 来查看该属性。

另一方面，您可以通过直接打开它在 Excel 中查看它，但默认编码是cp12523。

对我来说，我不能只告诉我的客户使用 excel 的 Import，所以我选择将编码更改为 cp1252，因此无法正确查看。

当您更改settings.py 中的配置时，设置为FEED_EXPORT_ENCODING = 'utf-8' 将不起作用。

我所做的是更改spider_opened函数下的pipelines.py，

self.exporter = CsvItemExporter(file, encoding='cp1252')

Answer 3

def open_spider(self, spider):
         self.csvfile  = open(self.filename, 'wb')
         self.exporter = CsvItemExporter(self.csvfile, encoding='utf-8-sig')
         self.exporter.start_exporting()