时间戳

首页 > 解决方案 > 如何使用 python 将波斯语文本保存在 csv 文件中？

python - 如何使用 python 将波斯语文本保存在 csv 文件中？

问题描述

我试图使用以下脚本将我的数据集保存在 CSV 文件中：

with open(data_path+'Furough.csv', 'w',encoding="utf-8") as f0:
    df = pd.DataFrame(columns=['title','poem','year'])
    for f in onlyfiles:
        poem=[]
        title=""
        year=0
        with open(mypath+f,"r",encoding="utf-8") as f1:
            for line in f1:
                if line.__contains__("TIMESTAMP"):
                    year=int(line[12:15])
                    continue
                if line.__contains__('TITLE'):
                    title=line[7:]
                if line!="":
                    poem.append(line)
            df = df.append({
                            'title': title,
                            'poem':poem,
                            'year': int(float(year))
                            }, ignore_index=True)
            df.to_csv(f0, index=False,encoding='utf-8-sig')

但结果令人困惑，将一些未知字符写入 CSV 文件而不是波斯语字符：谁能帮助我？

我想将所有这些文件写成 CSV： 在此处输入图像描述 我在其中一个文件中想要写的示例：

[V_START] بر پرده‌های درهم امیال سرکشم [HEM]
نقش عجیب چهرۀ یک ناشناس بود [V_END]
[V_START] نقشی ز چهره‌ای که چو می‌جستمش به شوق [HEM]
پیوسته می‌رمید و بمن رخ نمی‌نمود [V_END]

[V_START] یک شب نگاه خستۀ مردی به روی من [HEM]
لغزید و سست گشت و همان ‌جا خموش ماند [V_END]
[V_START] تا خواستم که بگسلم این رشتۀ نگاه [HEM]
قلبم تپید و باز مرا سوی او کشاند [V_END]

但结果：

在此处输入图像描述

标签： pythonpandasnlpfarsi

解决方案

您的文件很可能是正确的，而 excel 正在使用另一种编码打开它。

也许插入 utf-8 BOM 可能会强制 excel 正确地将 csv 识别为 utf-8：

import codecs

with open(data_path+'Furough.csv', 'w',encoding="utf-8") as f0:
    f0.write(codecs.BOM_UTF8)

    # rest of your code

否则请参阅此微软帮助页面，了解如何在 Excel 中打开 UTF-8 CSV 文件而不发生错误转换？
基本上通过“从文本获取数据”对话框来指定编码。

推荐阅读