DataFrame中ASCII与UTF-8编码问题：urllib解码报错求助

看起来你遇到的问题是在处理包含非ASCII字符的URL编码字符串时，urllib.unquote 触发了ASCII编码错误。这通常和Python版本的差异以及字符串类型处理有关，下面给你几个针对性的解决方案：

一、检查Python版本并调整导入方式 #

urllib 在Python 2和Python 3中的模块结构差异是常见的坑：

• 如果是Python 2：使用 urllib.unquote，但需要额外处理unicode字符串的编码转换
• 如果是Python 3：需要从 urllib.parse 导入 unquote，且无需手动解码

二、针对Python 2的修复方案 #

你的报错提示无法编码非ASCII字符 u'\xe4'，本质原因是：当传入 urllib.unquote 的是unicode类型字符串时，它会默认用ASCII编码尝试转换，而你的字符串里包含中文/特殊字符，直接转换就会失败。

解决方法是先把unicode字符串编码为UTF-8字节串，再传给unquote处理，最后解码回unicode：

import pandas as pd
import urllib

# 用原始字符串避免路径转义问题
df = pd.read_csv(r'Data\Genres\cleanedGenreArtistSong.csv', engine='python', encoding='utf-8-sig')
df['Song'] = df['Song'].apply(lambda x: urllib.unquote(x.encode('utf-8')).decode('utf-8'))

三、针对Python 3的修复方案 #

Python 3的 urllib.parse.unquote 已经默认支持UTF-8解码，直接调用即可，不需要手动处理编码转换：

import pandas as pd
from urllib.parse import unquote

df = pd.read_csv(r'Data\Genres\cleanedGenreArtistSong.csv', engine='python', encoding='utf-8-sig')
df['Song'] = df['Song'].apply(lambda x: unquote(x))

额外小提示 #

• 文件路径建议用原始字符串（前缀加r）或者正斜杠，避免Windows下的转义字符问题：r'Data\Genres\cleanedGenreArtistSong.csv' 或 'Data/Genres/cleanedGenreArtistSong.csv'
• 如果你的数据里还有+这类替代空格的编码，可以尝试用unquote_plus替代unquote，它会同时处理%20和+为空格

内容的提问来源于stack exchange，提问作者joe borg