通过 Paramiko 从 SFTP 服务器将 CSV 文件读入 Pandas 失败，“'utf-8'编解码器无法解码字节......在位置......：无效的起始字节”

如何解决通过 Paramiko 从 SFTP 服务器将 CSV 文件读入 Pandas 失败，“'utf-8'编解码器无法解码字节......在位置......：无效的起始字节”

我正在尝试使用 Paramiko 从 SFTP 服务器将 CSV 文件读入 Pandas：

with sftp.open(path + file.filename) as fp:
    fp_aux = pd.read_csv(fp,separator = '|')

但是在尝试时，它会抛出此错误：

'utf-8' 编解码器无法解码位置 73 中的字节 0xa3：无效起始字节

我尝试了不同的编码，将不同的参数传递给 encoding 函数的 pd.read_csv 参数（unicode_escape、latin-1、latin1、latin、utf-8...）。我也试过 engine='python' 但到目前为止没有运气。还有什么我可以尝试的吗？如果没有，我如何忽略错误并继续下一行或下一个 df？

只有当我尝试从 SFTP 服务器读取时才会发生这种情况，如果我从本地磁盘读取它就可以正常工作。

完整的错误调用堆栈：

UnicodeDecodeError                        Traceback (most recent call last)
pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._convert_tokens()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._convert_with_dtype()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._string_convert()

pandas\_libs\parsers.pyx in pandas._libs.parsers._string_box_utf8()

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa3 in position 83: invalid start byte

During handling of the above exception,another exception occurred:

UnicodeDecodeError                        Traceback (most recent call last)
<ipython-input-41-53537b824736> in <module>
      1 with sftp.open(r'/Debtopdcarich/Mandatory File/MandatoryFile_190721.csv') as fp:
----> 2     fp_aux = (pd.read_csv(fp,encoding='iso-8859-1',sep='|'))

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\io\parsers.py in read_csv(filepath_or_buffer,sep,delimiter,header,names,index_col,usecols,squeeze,prefix,mangle_dupe_cols,dtype,engine,converters,true_values,false_values,skipinitialspace,skiprows,skipfooter,nrows,na_values,keep_default_na,na_filter,verbose,skip_blank_lines,parse_dates,infer_datetime_format,keep_date_col,date_parser,dayfirst,cache_dates,iterator,chunksize,compression,thousands,decimal,lineterminator,quotechar,quoting,doublequote,escapechar,comment,encoding,dialect,error_bad_lines,warn_bad_lines,delim_whitespace,low_memory,memory_map,float_precision,storage_options)
    603     kwds.update(kwds_defaults)
    604 
--> 605     return _read(filepath_or_buffer,kwds)
    606 
    607 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\io\parsers.py in _read(filepath_or_buffer,kwds)
    461 
    462     with parser:
--> 463         return parser.read(nrows)
    464 
    465 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\io\parsers.py in read(self,nrows)
   1050     def read(self,nrows=None):
   1051         nrows = validate_integer("nrows",nrows)
-> 1052         index,columns,col_dict = self._engine.read(nrows)
   1053 
   1054         if index is None:

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\io\parsers.py in read(self,nrows)
   2054     def read(self,nrows=None):
   2055         try:
-> 2056             data = self._reader.read(nrows)
   2057         except StopIteration:
   2058             if self._first_chunk:

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader.read()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._read_low_memory()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._read_rows()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._convert_column_data()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._convert_tokens()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._convert_with_dtype()

pandas\_libs\parsers.pyx in pandas._libs.parsers.TextReader._string_convert()

pandas\_libs\parsers.pyx in pandas._libs.parsers._string_box_utf8()

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa3 in position 83: invalid start byte

解决方法

Pandas 似乎被 Paramiko 类文件对象 API 搞糊涂了。当与 Paramiko 类文件对象一起呈现时，它不使用其 encoding 参数。

快速而肮脏的解决方案是将远程文件读取到内存中的类文件对象并将其呈现给 Pandas。然后使用 encoding 参数。

flo = BytesIO()
sftp.getfo(path + file.filename,flo)
flo.seek(0)
pd.read_csv(flo,separator = '|',encoding='iso-8859-1')

更有效的方法可能是在 Paramiko 类文件对象之上构建一个包装类，并使用 Pandas 可以使用的 API。