Python读取大型机生成文件cp500解码报错，无法加载到dataframe

错误原因 #

你触发报错的核心原因是codecs.decode()方法要求传入字节类型对象，但你传入的是open()函数返回的文件IO句柄_io.BufferedReader，没有实际读取文件的二进制内容。

第一步：修正文件解码逻辑 #

先读取完整的二进制文件内容再执行解码，代码如下：

import codecs

with open(r'C:\Users\743622\Downloads\UC005\USA.CKN.D050920', "rb") as ebcdic:
    # 新增read()方法读取二进制内容
    ebcdic_bytes = ebcdic.read()
    ascii_txt = codecs.decode(ebcdic_bytes, "cp500")
    print(ascii_txt)

第二步：直接加载到DataFrame #

大型机生成的文件多为定长宽字段格式，推荐直接用pandas的read_fwf方法读取，无需提前手动解码，代码如下：

import pandas as pd

file_path = r'C:\Users\743622\Downloads\UC005\USA.CKN.D050920'
# 请根据文件实际的字段宽度替换下方的列表，大型机文件一般会配套copybook说明字段规则
col_widths = [10, 20, 15, 30]
# 请替换为实际的字段名称
col_names = ['字段1', '字段2', '字段3', '字段4']

df = pd.read_fwf(
    file_path,
    widths=col_widths,
    names=col_names,
    encoding='cp500'
)
# 验证读取结果
print(df.head())

注意事项 #

• 如果文件包含COBOL压缩字段（如COMP-3类型），普通字符编码无法解码，需要使用pycobolreader等专用库配合copybook定义读取
• 如果文件是换行分隔的可变长度记录，也可以使用pd.read_csv方法，指定encoding='cp500'和对应的分隔符参数读取

内容的提问来源于stack exchange，提问作者Pawan Tolani