包含特殊字符的Excel表格转换为utf

2024-07-11 21:42| 来源: 网络整理| 查看: 265

问题描述：

由于笔者项目需要进行关系图谱展示，需要将每篇论文的作者数据构建成共现矩阵，用以输入到Gephi软件中汇出关系图。故，对于爬取的作者数据(存储在Excel中)需要先转换成逗号分隔文件csv。

【初始数据及描述】：由于发表会议论文的作者来自不同国家，所以在作者命名上存在有些作者用自己本国语言(如丹麦语、俄语包含如ć、ø、å、ś特殊符号等)的名字作为论文上自己的名字。这就导致了包含这些语言的xlsx文件另存为csv文件时无法被ASCII编码方案解码。从而在转换后的csv中以?来显示这些特殊字符。在这里插入图片描述【预期转换后的数据】：预期转换后的特殊字符ć、ø、å、ś应该完整的表示在csv文件中，以下是用记事本打开csv文件的展示图。

曾尝试但无效的方法：

笔者在网上找到了不少解决csv文件打开乱码方案，但大多数都是针对中文字符的。

使用Notepad++打开xlsx文件尝试转换编码为utf-8 ——转换后在csv文件中依然以?来显示ć、ø、å、ś——无效将xlsx文件另存为txt后再将txt文件的编码转换为utf-8——结果同上，无效自己的成功解决方案：一、将Excel文件中的表格数据复制到一个空的txt文件中

可见，复制过来后在txt文件中每个单元格的数据用一个制表符\t隔开，每行用一个换行符\n隔开。特殊字符依然正常表示。在这里插入图片描述

二、将该txt文件编码改为utf-8

由于该txt文件默认编码是ASCII，所以我们需要另存为修改其编码方案为utf-8。在这里插入图片描述

三、使用Python读取并处理该txt文件数据为csv格式并输出到csv文件

这里，笔者使用Python(其他语言也ok)读取并处理该txt文件数据为csv格式并输出到csv文件。代码如下：

text = [] with open(r'C:\Users\Administrator\Desktop\111.txt', 'r', encoding='utf-8') as f: text = f.read() text = text.replace('\t',',') # 将数据中的制表符'\t'替换为逗号',' text2csv = text.replace(',0','') # 将数据中的空白项',0'替换为空'' print(text2csv) with open(r'C:\Users\Administrator\Desktop\222.csv', 'w', encoding='utf-8') as f: f.write(text2csv)

和预期结果一致，也正常显示了特殊字符：在这里插入图片描述

【本文地址】

公司简介

联系我们