使用pandas读取CSV文件时该如何选择适配的编码类型？

核心判定逻辑（告别无意义试错） #

不需要上来就挨个换编码参数跑读取代码，先按文件生成来源匹配90%以上的场景：

• 老版本Windows Excel（2019及更早版本）导出的CSV：哪怕内容全是英文、数值，优先选latin1。这类文件实际使用cp1252编码，夹杂的隐式控制字符不在utf-8的映射范围内，用utf-8读取会直接触发解码错误，这也是那份纯英数文件用pandas.read_csv("Data.csv",encoding='latin1')能成功读取的核心原因。
• 脚本、在线工具、2021版之后的Excel、macOS/Linux系统下导出的CSV：优先选utf-8。
• 带简体中文内容的CSV：国内老Windows系统、国产办公软件导出的文件优先选gbk；macOS下导出的带中文文件优先选utf-8-sig（解决普通utf-8读取时列名前出现乱码BOM头的问题）；繁体中文场景的老系统文件选big5。

常见编码的适用边界与兜底规则 #

• latin1：单字节全映射编码，对所有0-255的字节内容都能完成无报错解码，不会出现程序崩溃的情况，但读取多语言非西欧字符时会出现显示乱码。适合作为纯英数类文件的兜底读取选项，完全适配无多语言内容的CSV场景。
• utf-8：跨平台兼容度最高的多语言编码，支持所有常见文字内容的读取，是现代场景下的优先选择。
• utf-8-sig：专门适配带BOM头的utf-8格式文件，避免普通utf-8读取时把BOM头当成普通字符读入列名的问题。
• gbk/gb2312：仅适配国内老系统导出的简体中文内容CSV，不建议在纯英数场景下使用。

快速排查的实操技巧 #

• 读文件时如果出现解码报错，不要随机换编码尝试，先看报错提示里指出的非法字节位置，再结合文件来源匹配对应编码即可。
• 对于纯英文、纯数值的无多语言内容CSV，如果反复尝试utf-8都报错，直接用latin1读取即可，这类文件本身没有多语言显示需求，latin1读取不会出现内容偏差。

内容的提问来源于stack exchange，提问作者Ethan