Python读取含波兰语CSV生成HTML报告的编码错误求助

问题根源 #

你的CSV文件采用ISO-8859-2编码（波兰语常用编码），但HTML标准推荐使用UTF-8编码，两者不匹配导致读取、写入时出现编码错误，以及浏览器渲染乱码。

分步解决方案 #

1. 正确读取CSV文件
   明确指定CSV的编码为ISO-8859-2，确保pandas正确解析波兰语特殊字符：

   df = pd.read_csv("Średnie wyniki oceny użytkowości rozpłodowej loch dla rasy puławskiej.csv", sep=";", encoding="ISO-8859-2")
   

2. 生成UTF-8编码的HTML内容
   在HTML头部添加meta标签指定字符编码为UTF-8，同时让df.to_html()生成UTF-8格式的表格内容：

   html = f"""
   <HTML lang="pl">
   <head>
   <meta charset="UTF-8">
   <title>some title</title>
   </head>
   <style type="text/css">
   some style
   </style>
   <body>
   some text
   {df.to_html(index=False, encoding='UTF-8')}
   some text
   </body>
   </html>
   """
   

   这里的encoding='UTF-8'参数会让pandas把表格内容转换为UTF-8编码的字符串，避免后续写入时的编码冲突。

3. 以UTF-8编码写入HTML文件
   打开文件时明确指定编码为utf-8，确保整个HTML文件以UTF-8格式保存：

   with open('report.html', 'w', encoding='utf-8') as f:
       f.write(html)
   

   给文件名加上.html后缀，方便浏览器直接识别并正确渲染。

为什么之前的尝试失败？ #

• 写入用UTF-8但乱码：因为HTML头部没有指定charset="UTF-8"，浏览器默认用系统编码（如Windows-1250）解析UTF-8文件，导致乱码。
• 写入用ISO-8859-2表格乱码：df.to_html()默认生成Unicode字符串，其中可能包含ISO-8859-2不支持的字符（比如\x8c），导致编码失败；同时浏览器若用UTF-8解析ISO-8859-2文件，也会出现乱码。

内容的提问来源于stack exchange，提问作者mlodycezar