修改Excel保存的CSV文件后pd.read_csv报错与俄文字符乱码问题求助

核心问题根源 #

你遇到的两个问题均为Windows版Excel保存CSV的默认配置不兼容标准格式导致：

• 分隔符解析报错：俄语/东欧区域的Windows系统默认CSV分隔符为分号;，你手动选择逗号保存时，包含特殊字符的字段会被Excel自动拆分/加引号，导致字段数不匹配报错
• 俄文乱码&UTF-8解码报错：Excel默认保存CSV采用系统ANSI编码（俄语区对应cp1251西里尔编码，非UTF-8），直接用UTF-8解码自然会抛出字节不匹配错误

可用解决方案 #

方案1：直接读取现有文件无需重存 #

通过指定正确的编码和分隔符即可直接读取，无需修改源文件：

1. 直接指定编码读取：

import pandas as pd
# cp1251为俄语区Windows默认ANSI编码，适配西里尔字符
df = pd.read_csv('修改后的文件路径.csv', sep=';', encoding='cp1251')

2. 不确定编码时可先检测编码再读取：

# 先安装编码检测工具：pip install chardet
import chardet
with open('修改后的文件路径.csv', 'rb') as f:
    detect_result = chardet.detect(f.read())
# 输出检测到的编码，直接填入pd.read_csv的encoding参数即可
print(detect_result['encoding'])

读取完成后可导出为标准UTF-8格式方便后续使用：

df.to_csv('标准UTF-8编码数据集.csv', encoding='utf-8', sep=',', index=False)

方案2：Excel导出时配置正确格式从根源避免问题 #

后续使用Excel修改CSV时，不要用默认CSV保存选项，按以下步骤操作：

1. 点击「文件」→「另存为」，保存类型选择CSV UTF-8 (逗号分隔) (*.csv)
2. 不要选择默认的「CSV (逗号分隔) (*.csv)」选项，该选项保存的是ANSI编码
3. 导出后直接用默认参数即可正常读取：

df = pd.read_csv('正确导出的文件路径.csv')

避坑提示 #

• 非必要不建议用Excel修改包含西里尔、中文等非西欧字符的CSV文件，Excel的CSV编码、分隔符逻辑与跨平台标准不兼容，容易出现各类问题，可改用VS Code、Notepad++等文本编辑器修改，保存时可手动指定编码为UTF-8
• 必须使用Excel时，保存环节一定要选择带UTF-8标识的CSV格式，不要使用默认CSV格式

内容的提问来源于stack exchange，提问作者hyper-cookie