Python过滤CSV阿拉伯文本异常：部分字符输出乱码求助

你的乱码问题核心不是字符检测逻辑，而是直接用纯文本写入方式处理CSV内容，破坏了CSV格式规则，导致后续打开文件时工具错误识别编码。

具体原因 #

• 原文件是CSV格式，csv.reader读取的行可能包含逗号、引号等CSV特殊语法字符。你直接用f.write(mylist[i][0] + "\n")写入时，会打破CSV的格式规范。
• 过滤Lam（U+0644）的行时，刚好这些行没有触发格式冲突，工具能正常识别UTF-8编码；但过滤Kaf（U+0643）的行时，存在格式冲突的内容，导致工具错误将UTF-8字节当作单字节编码（如Latin-1）解析，出现类似سÙورَةÙ...的乱码。

额外注意：阿拉伯语字符存在连写变体，孤立形式的Kaf（U+0643）在词中/词尾会变成U+FE9B（词中形式）、U+FE9C（词尾形式），如果原文本里的Kaf是这些变体，你的原始检测逻辑会漏匹配。

修复代码（保持CSV格式） #

用csv.writer处理写入，严格遵循CSV格式规则，同时覆盖Kaf的所有连写变体：

import csv

# 读取原CSV并过滤目标行
with open("Arabic-Original.csv", "r", encoding="utf-8") as in_file:
    reader = csv.reader(in_file)
    # 包含Kaf的所有形态：孤立、词中、词尾
    target_kafs = {chr(0x0643), chr(0xFE9B), chr(0xFE9C)}
    filtered_rows = [row for row in reader if any(char in row[0] for char in target_kafs)]

# 写入规范的CSV文件
with open("copiedverses.csv", "w", encoding="utf-8", newline='') as out_file:
    writer = csv.writer(out_file)
    writer.writerows(filtered_rows)

若需输出纯文本而非CSV #

如果不需要保持CSV格式，仅输出经文内容，确保写入编码正确，打开时选择UTF-8编码：

import csv

target_kafs = {chr(0x0643), chr(0xFE9B), chr(0xFE9C)}

with open("Arabic-Original.csv", "r", encoding="utf-8") as in_file, \
     open("copiedverses.txt", "w", encoding="utf-8") as out_file:
    reader = csv.reader(in_file)
    for row in reader:
        if any(char in row[0] for char in target_kafs):
            out_file.write(row[0] + "\n")

内容的提问来源于stack exchange，提问作者Omar Ibrahim