使用pandas read_csv解析带BOM文件时遇EOF错误的解决方法

错误根源 #

1. 核心问题：你提供的CSV文件最后一行（行7）的最后一个字段缺少闭合的双引号，解析器读到文件末尾时发现字符串未结束，直接触发EOF相关错误。
2. BOM问题：文件带UTF-8 BOM，但你用utf-8-sig解码的操作已经处理了BOM，这不是报错的关键。

解决方法 #

方法1：修复原始文件（推荐）

直接补全最后一行末尾的双引号，把最后一行结尾从hepatitis改成hepatitis."。修复后用常规代码即可正常解析：

import pandas as pd
from io import BytesIO

df = pd.read_csv(BytesIO(file_data), encoding='utf-8-sig')

注：encoding='utf-8-sig'能让pandas自动识别并移除UTF-8 BOM，无需手动转码。

方法2：解析时自动修复（适合无法修改源文件的场景）

如果没法修改原始文件，可以先处理数据补全引号，再解析：

import pandas as pd
from io import BytesIO

# 解码带BOM的字节数据为字符串
file_content = file_data.decode('utf-8-sig')
lines = file_content.splitlines()

# 检查每一行的引号是否成对，补全未闭合的
fixed_lines = []
for line in lines:
    if line.count('"') % 2 != 0:
        fixed_lines.append(line + '"')
    else:
        fixed_lines.append(line)

# 重新编码后解析
fixed_data = '\n'.join(fixed_lines).encode('utf-8')
df = pd.read_csv(BytesIO(fixed_data), encoding='utf-8')

或者直接跳过有问题的行（不推荐，会丢失数据）：

df = pd.read_csv(BytesIO(file_data), encoding='utf-8-sig', engine='python', on_bad_lines='skip')

内容的提问来源于stack exchange，提问作者comonadd