Pandas DataFrame文本编码乱码求助：UTF-8解码无效

你的乱码是典型的双重编码问题：原本的UTF-8文本被错误以Latin-1（ISO-8859-1）解码，之后又以UTF-8保存，导致出现ÃÂ这类异常字符。以下是针对性的解决方法：

修复代码 #

直接将字符串先编码为Latin-1还原原始字节，再用UTF-8解码：

column = 'orgao_nome'
df[column] = df[column].str.encode('latin-1').str.decode('utf-8')

关键说明 #

• 为什么chardet检测结果是UTF-8？因为当前的乱码字符串本身是合法的UTF-8内容，只是它是错误解析后的产物，所以检测工具会识别为UTF-8，但这并非原始文本的编码。
• 执行上述代码后，你的文本会恢复为正常的葡萄牙语：
  • SECRETARIA DE FINANÇAS
  • RECURSOS ORDINÁRIOS
  • IMPOSTOS, TAXAS E CONTRIBUIÇÕES
  • INDENIZAÇÕES

内容的提问来源于stack exchange，提问作者Fabio dos Santos