Python CSV错误：行包含NULL字节

我正在使用以下代码处理一些CSV文件：

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))

一个文件引发此错误：

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

我能做什么？Google似乎建议它可能是Excel文件，未正确保存为.csv。有什么办法可以解决Python中的这个问题？

==更新==

在下面@JohnMachin的评论之后，我尝试将以下行添加到脚本中：

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

因此，该文件确实包含NUL字节。

正如@ S.Lott所说，您应该以“ rb”模式而不是“ rU”模式打开文件。但是，这可能不会引起您当前的问题。据我所知，如果\r数据中嵌入了“ rU”模式，则会使您大失所望，但不会引起任何其他麻烦。我还注意到您有几个文件（全部以'rU'??打开），但只有一个会引起问题。

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

repr()是（或想成为）调试朋友。它会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）。做这个：

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

并仔细地将结果复制/粘贴（请勿重新输入）以编辑您的问题（而不是评论）。

还要注意，如果文件确实很模糊，例如在距文件开头的合理距离内没有\ r或\ n，则报告的行号reader.line_num将（无益）1. \x00通过执行以下操作查找第一个位置（如果有）

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

并确保至少使用repr或od转储那么多字节。

是什么data.count('\x00')告诉你吗？如果有很多，您可能想要做类似的事情

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。

如果你可以看到\x00在输出（或者\0在你的od -c输出），那么你肯定有在文件中NULL字节（S），你需要做这样的事情：

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

顺便说一句，您是否使用文本编辑器查看了文件（包括最后几行）？它实际上看起来像其他文件（没有“ NULL字节”例外）一样的合理CSV文件吗？

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

这对我有用。

将其读取为UTF-16也是我的问题。

这是我的代码，最终起作用了：

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。

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，NULL byte并遇到遇到的错误。我环顾四周，发现了xlrd Python模块，用于从MS Excel电子表格文件读取数据并设置其格式。使用该xlrd模块，我不仅能够正确读取文件，而且还可以以前所未有的方式访问文件的许多不同部分。

我认为这可能对您有帮助。

将源文件的编码从UTF-16转换为UTF-8解决了我的问题。

如何在Python中将文件转换为utf-8？

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)

如果要假装不存在空值，则可以内联生成器以过滤掉空值。当然，这是假设空字节实际上不是编码的一部分，而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))

你为什么做这个？

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

文档非常清楚，您必须执行以下操作：

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

该模式必须为“ rb”才能读取。

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

如果csvfile是文件对象，则必须在有区别的平台上使用“ b”标志打开它。

显然，这是XLS文件，而不是CSV文件，如http://www.garykessler.net/library/file_sigs.html确认

代替csv阅读器，我对字符串使用read文件和split函数：

lines = open(input_file,'rb') 

for line_all in lines:

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

我遇到了同样的错误。将文件保存在UTF-8中，可以正常工作。

当我使用OpenOffice Calc创建CSV文件时，这发生在我身上。当我在文本编辑器中创建CSV文件时，即使以后使用Calc编辑它，也没有发生。

通过将文本从Calc创建的文件复制粘贴到新的编辑器创建的文件中，我解决了我的问题。

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。确保您拥有它的备份副本。你被警告了！

对于所有那些讨厌的“ rU”文件模式的人：我只是尝试从Mac上的Windows计算机上使用“ rb”文件模式打开CSV文件，而我从csv模块中得到了此错误：

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

以“ rU”模式打开文件可以正常工作。我喜欢通用换行模式-它为我省了很多麻烦。

我在使用scrapy并获取压缩的csvfile时遇到此问题，而没有正确的中间件将响应主体解压缩，然后再将其交给csvreader。因此，该文件不是真正的csv文件，因此引发了line contains NULL byte错误。

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。在我使用gzip.open之前，此错误一直显示

一种情况是-如果CSV文件包含空行，则可能会显示此错误。在继续写或读之前，请检查行是否必要。

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。