导入CSV文件到DataFrame时出现+AC0字符问题求助

问题成因 #

+AC0是软连字符（Unicode编码U+00AD，用于标记单词换行位置的不可见特殊字符）的转义异常结果，本质是文件编码不匹配导致的解析错误，常见触发场景：

• 从Excel导出UTF-8格式CSV时，软件自动为长单词插入了软连字符标记
• 读取CSV时未指定正确编码，比如默认用ISO-8859-1/latin-1编码读取实际为UTF-8编码的文件，软连字符被错误转义为+AC0字符串
• 网页端导出的CSV对特殊字符做URL编码转写时出错，软连字符的URL编码为%AC0，转写异常时就会显示为+AC0

修复方法 #

读取阶段从根源避免 #

读取Excel导出的CSV时优先指定utf-8-sig编码，可直接规避大部分这类转义问题：

import pandas as pd
df = pd.read_csv("你的文件存储路径.csv", encoding="utf-8-sig")

如果是国内办公软件导出的CSV，可尝试替换编码为gbk、gb18030适配。

已读入数据的批量清理 #

如果数据已经加载到DataFrame中，可直接批量替换清除异常字符：

# 全局替换所有+AC0字符串
df = df.replace(to_replace=r'\+AC0', value='', regex=True)

# 如需彻底清除所有隐藏的软连字符，可针对字符串列匹配Unicode编码替换
df = df.apply(lambda col: col.str.replace('\u00ad', '') if col.dtype == 'object' else col)

内容的提问来源于stack exchange，提问作者Santhosh Reddy Kathi