Python 2.7：用汉字读取文件

我正在尝试分析CSV文件中的数据，这些文件的名称中包含中文字符（例如。“粗1 25g”）。 我使用Tkinter选择如下文件：

selectedFiles = askopenfilenames(filetypes=[("xlsx","*"),("xls","*")]) # Utilize Tkinker dialog window to choose files
selectedFiles = master.tk.splitlist(selectedFiles) # Create list from files chosen

我尝试通过以下方式将文件名转换为unicode：

selectedFiles = [x.decode("utf-8") for x in selectedFiles]

只会产生错误：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xb4 in position 0: ordinal not in range(128)

IOError: [Errno 22] invalid mode ('wb') or filename: 'C:\...\\data_division_files\\\xe7\xb2\x971 25g.csv'

我还尝试了转换文件名，因为文件是使用以下内容创建的：

titles = [x.encode('utf-8') for x in titles]

仅接收错误：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xb4 in position 0: ordinal not in range(128)

IOError: [Errno 22] invalid mode ('wb') or filename: 'C:\...\\data_division_files\\\xe7\xb2\x971 25g.csv'

我也尝试过上述方法的组合，但没有效果。 我可以做些什么来允许用Python读取这些文件

---

（这个问题虽然相关，但无法解决我的问题：）

当您在

unicode

对象上调用

decode

时，它首先使用

sys.getdefaultencoding（）

对其进行编码，以便它可以为您解码。这就是为什么即使您没有在任何地方要求ASCII，您也会得到一个关于ASCII的错误

那么，从哪里获得

unicode

对象呢？从

askopenfilename

。从快速测试来看，它似乎总是在Windows上返回

unicode

值（可能是通过获取UTF-16并对其进行解码），而在POSIX上，它返回一些

unicode

和一些

str

（我猜，不必考虑任何适合7位ASCII的内容，而是使用文件系统编码对其他内容进行解码）。如果您尝试打印repr或type或任何

selectedFiles

，问题将显而易见

---

同时，

encode（'utf-8'）

不应导致任何

UnicodeError

s…但您的文件系统编码在Windows上可能不是utf-8，因此它可能会导致大量的

IOError

s，错误号为2（尝试打开不存在的文件，或在不存在的目录中创建文件），21（试图在Windows上打开具有非法文件名或目录名的文件），等等。看起来这正是您看到的。实际上没有理由这样做；只需将路径名原样传递到

open

即可

---

因此，基本上，如果您删除了所有的

encode

和

decode

调用，那么您的代码可能会正常工作

---

然而，还有一个更简单的解决方案：只需使用

askopenfile

或

asksaveasfile

而不是

askopenfilename

或

asksaveasfilename

。让Tk了解如何使用其路径名，并将文件对象交给您，而不是自己搞乱路径名。

您必须知道，哪种编码是正确的用于文件名。根据错误消息判断，可能是utf16。请尝试文件名。解码（“utf16”）导入编解码器，然后对中文文件名文本使用正确的编解码器方法。导入codecs@NileshG：

codecs

用于Unicode内容；它对Unicode文件名没有任何好处。@阿巴内特：文件名只是一个文本…所以我们可以使用codecs…我认为问题首先在于文件的命名。如果我更改我选择的文件列表中的元素，则这些文件不存在。我必须确保原始文件名可被askopenfilenames函数和我正在对其执行的其他函数读取。当我在使用

decode（'utf-8'）

后打印所选文件时，我得到

[u'C:/…/data\u division\u files/\u7c973 25g.csv']

。当我使用

utf-16

时，我遇到了一个新错误：

UnicodeDecodeError:“utf16”编解码器无法解码第54位的字节0x76：截断的数据

，选择的文件显示为

（'C:/…/data\u division\u files/\xe5\x8e\x9f\xe6\xa0\xb7 25g.csv'）

。没有任何编码/解码，代码就无法正常工作，askopenfiles会出现一个新错误：

IOError:[Errno 2]没有这样的文件或目录：u'{'

@nichosukiennik:我想让你打印出

所选文件

，而不做任何修改，就像

askopenfilename

返回的一样。@nichosukiennik:同时，如果

askopenfile

不起作用，也许问题是Python猜测你的文件系统编码错误（或者，更糟糕的是，您的文件系统没有一致的编码。）

sys.getfilesystemencoding（）

怎么说？

sys.getfilesystemencoding（）

一开始给了我

cp936

，下一次我尝试给我

mbcs

。选择文件而不做任何事情给了我

文件“C:\Python27\lib\site packages\numpy\lib\\u datasource.py”，第479行，在open raise IOError（“%s未找到”。%path）IOError:C:/Users/nsukiennik/data\u division\u files/粗2 25g.csv未找到。Tkinter回调中出现异常

。那么Tkinter可能有问题吗？@nichosukiennik:Wow，听起来你的设置很奇怪。如果Python无法确定它从文件系统返回的字符集是什么，唯一的选择就是手动执行，这很痛苦。（python的更高版本更多地使用Windows UTF-16 API，较少使用OEM代码页API，但是（a）您可能无法升级到3.x，以及（b）我不知道tkinter是否已经更新。无论如何，有两个选项：