Python Pandas读取CSV遇UnicodeDecodeError：试cp1251仍报错求助

首先，这个错误和保加利亚西里尔语设置没有关系——你提到数据里不包含西里尔字符，那问题根源是你的CSV文件实际使用的编码既不是utf-8，也不是你尝试的cp1251。错误里的0xc0字节在UTF-8中是无效的起始字节，说明文件本身的编码规则和你指定的不匹配。

下面是一步步的解决方法：

1. 先检测文件的真实编码 #

最稳妥的方式是用工具检测文件的实际编码，推荐使用chardet库（或者更快的cchardet）：

• 先安装库：

  pip install chardet
  

• 然后写一段简单的代码检测编码：

  import chardet
  
  # 读取文件前10000字节进行检测（足够判断编码）
  with open('kgb.csv', 'rb') as file:
      encoding_result = chardet.detect(file.read(10000))
  
  print(encoding_result)
  

  输出会类似这样：{'encoding': 'ISO-8859-1', 'confidence': 0.73, 'language': ''}，其中encoding字段就是你需要的编码值。

2. 使用检测到的编码读取文件 #

拿到检测结果后，直接用这个编码读取：

import pandas as pd

df = pd.read_csv('kgb.csv', header=0, encoding=encoding_result['encoding'])

3. 备选方案：使用兼容所有字节的编码 #

如果暂时无法检测到准确编码，或者检测结果不准，可以试试latin-1（也就是ISO-8859-1）——这个编码会映射所有可能的字节，不会抛出解码错误，之后你可以再将数据转换为UTF-8：

df = pd.read_csv('kgb.csv', header=0, encoding='latin-1')
# 可选：将数据转存为UTF-8编码的文件
df.to_csv('kgb_utf8.csv', encoding='utf-8', index=False)

为什么cp1251没用？ #

cp1251是专为西里尔语设计的编码，你的数据里没有这类字符，而且文件实际编码也不是它，自然无法解决解码问题。核心还是要匹配文件本身的编码规则。

内容的提问来源于stack exchange，提问作者Boriana