.dta转.xlsx遇字符编码错误，求解决方案（附Pandas代码）

方法1：指定越南语编码直接读取 #

越南语常用编码为cp1258，直接在read_stata中指定该编码，可规避默认utf-8解码失败的问题：

import pandas as pd

# 使用cp1258编码读取文件
df = pd.read_stata("D:\STATATATATA\ho1_20.dta", encoding="cp1258")
df.to_excel('file.xlsx', index=False)

如果cp1258无效，可先以latin-1读取再转码修正：

import pandas as pd

df = pd.read_stata("D:\STATATATATA\ho1_20.dta", encoding="latin-1")
# 遍历所有字符串列，转码为正确的越南语编码
for col in df.select_dtypes(include=['object']).columns:
    df[col] = df[col].str.encode('latin-1').str.decode('cp1258')
df.to_excel('file.xlsx', index=False)

方法2：用Stata直接转码导出 #

如果Python端处理麻烦，直接在Stata中完成转码和导出更稳妥：

1. 打开Stata加载目标.dta文件：

   use "D:\STATATATATA\ho1_20.dta", clear
   

2. 设置原文件编码为越南语cp1258并转成utf-8格式：

   unicode encoding set cp1258
   unicode translate "D:\STATATATATA\ho1_20_utf8.dta", transutf8
   

3. 导出为Excel文件：

   export excel using "file.xlsx", firstrow(variables) replace
   

方法3：检测文件编码后精准读取 #

若不确定文件具体编码，用chardet库检测后再读取：

import chardet
import pandas as pd

# 检测文件编码
with open("D:\STATATATATA\ho1_20.dta", 'rb') as f:
    detect_result = chardet.detect(f.read())
target_encoding = detect_result['encoding']

# 用检测到的编码读取文件
df = pd.read_stata("D:\STATATATATA\ho1_20.dta", encoding=target_encoding)
df.to_excel('file.xlsx', index=False)

若检测结果为None，可尝试cp1258、utf-16这类越南语常用编码逐一测试。

内容的提问来源于stack exchange，提问作者kennyS