Python如何处理Oracle导出Excel中的自定义Unicode乱码并简化操作？

嘿，这个乱码问题我帮你搞定！你已经找到了核心的修复逻辑——给每个字符的码点加4112就能还原正确的格鲁吉亚语字符串，接下来咱们把这个逻辑封装起来，不用每次手动写那串lambda代码~

先搞懂问题根源 #

你遇到的情况是：Oracle导出时把格鲁吉亚语字符的Unicode码点错误地当成了Latin-1（ISO-8859-1）编码存储。比如正确字符პ的Unicode码点是U+10E0（十进制4318），导出后被转成了Latin-1的Î（码点U+00CE，十进制206），两者差值刚好是4318-206=4112，所以给每个乱码字符的码点加4112就能还原。

方案一：自定义编码（推荐） #

我们可以用Python的codecs模块注册一个自定义编码，这样用Pandas读取Excel时直接指定编码即可，无需手动处理每个字符。

步骤1：注册自定义编码 #

import codecs

# 定义解码函数：还原乱码为正确格鲁吉亚语
def georgian_fix_decode(input_bytes, errors='strict'):
    # 先按Latin-1解码出原始乱码字符串
    raw_str = input_bytes.decode('latin-1', errors)
    # 每个字符码点加4112还原
    fixed_str = ''.join(chr(ord(c) + 4112) for c in raw_str)
    return fixed_str, len(input_bytes)

# 定义编码函数（如果需要导出时反向处理）
def georgian_fix_encode(input_str, errors='strict'):
    raw_str = ''.join(chr(ord(c) - 4112) for c in input_str)
    return raw_str.encode('latin-1', errors), len(input_str)

# 注册名为"georgian_fix"的自定义编码
codecs.register('georgian_fix', lambda: codecs.CodecInfo(
    name='georgian_fix',
    encode=georgian_fix_encode,
    decode=georgian_fix_decode
))

步骤2：用Pandas读取时指定编码 #

import pandas as pd

# 直接指定自定义编码读取，自动修复乱码
df = pd.read_excel('your_exported_file.xlsx', encoding='georgian_fix')

注意：如果使用openpyxl作为Excel读取引擎，需要确认它支持自定义编码。如果遇到问题，可以先读取为原始字符串，再用方案二处理。

方案二：封装成函数批量处理列/数据框 #

如果自定义编码不好用，我们可以把修复逻辑封装成函数，批量处理Pandas的列或整个数据框。

定义修复函数 #

def fix_georgian_encoding(s):
    # 只处理字符串类型的单元格
    if isinstance(s, str):
        return ''.join(chr(ord(c) + 4112) for c in s)
    return s

处理单列 #

df = pd.read_excel('your_exported_file.xlsx', dtype=str)  # 确保按字符串读取
df['target_column'] = df['target_column'].apply(fix_georgian_encoding)

处理整个数据框 #

如果多个列都有乱码问题，用applymap批量处理：

df = df.applymap(fix_georgian_encoding)

额外建议 #

如果可能的话，最好从导出源头解决问题——在Oracle导出Excel时指定正确的编码（比如UTF-8），这样就能避免后续的乱码修复工作。但如果源头无法修改，上面的两种方案都能帮你高效解决问题。

内容的提问来源于stack exchange，提问作者Vitali Muladze