如何用Python读取多编码CSV并自动跳过前8行说明内容？

问题核心 #

你的CSV文件前8行是utf-8编码的说明内容，第9行是空行，实际数据从第10行开始且采用cp1252编码，直接用单一编码读取会导致乱码，手动删行无法适配动态更新的文件。

方案一：直接指定编码与跳过行数（简单高效） #

如果头部说明用cp1252读取不会导致行计数错误（绝大多数场景下都适用），直接利用pandas的skiprows参数跳过前9行，同时指定数据部分的编码为cp1252：

import pandas as pd
import os

current_path = os.getcwd()
print(current_path)

# 跳过前9行（8行说明+1行空行），用cp1252编码读取数据
data = pd.read_csv(
    'Events.csv',
    encoding='cp1252',
    skiprows=9,  # 从第10行开始读取数据
    header=None,  # 数据行无表头
    names=range(20)  # 匹配你需要的列数
)

方案二：分编码读取（极端场景兜底） #

若头部说明包含cp1252无法解析的特殊字符，导致行分割异常，可通过二进制读取拆分文件后分别解码：

import pandas as pd
import os
from io import StringIO

current_path = os.getcwd()
print(current_path)

file_path = 'Events.csv'

# 二进制读取整个文件，避免编码冲突
with open(file_path, 'rb') as f:
    content = f.read()

# 按换行符拆分二进制内容，提取第9行之后的数据段
binary_lines = content.split(b'\n')
data_binary = b'\n'.join(binary_lines[9:])

# 将数据段用cp1252解码为字符串，再传入pandas读取
data_str = data_binary.decode('cp1252')
data = pd.read_csv(
    StringIO(data_str),
    header=None,
    names=range(20)
)

错误原因说明 #

你之前的代码用utf-8编码读取整个文件，而数据部分实际是cp1252编码，导致数据行解析乱码，出现s和大量NaN；同时未跳过前9行，说明行被当作数据行处理，进一步引发列数不匹配问题。

内容的提问来源于stack exchange，提问作者Michelle Bogush