解決Python匯出CSV或Excel檔時，中文字顯示為亂碼的問題

都是編碼的問題

不管是什麼樣的程式語言，當匯出檔案的時候，編碼都是一個讓人頭痛的問題。經常發生的情況是，你匯出了一個csv檔，在你的電腦上完全可以正常顯示，但傳給同事後，他卻回覆說打開全部都是亂碼，並表達出一種「你怎麼都沒有好好檢查」的微妙情緒。

編碼問題之所以麻煩，因為它可能牽涉到作業系統的設定、檔案格式、編碼格式等問題。就算我能夠順利匯出正確的檔案，實際上我不清楚系統的背後發生了什麼事，但也不覺得有弄懂它的必要，只要知道哪個方法可行就可以了，相信你和我一樣也不在乎。

針對Python的編碼問題，我會分成三個部份：

1. 檔案格式：包括csv和xlsx兩種格式。
2. 編碼：包括utf-8、utf-8-sig、big5等。
3. Python模組：最常見的模組是pandas，但也可以使用csv。這篇文章不會特別討論，因為pandas看起來是把csv寫在模組裡面。

給同事的緊急自救手冊

在正式開始之前，我們先提供一個緊急應變方法：如果你匯出的檔案是csv，而你的同事看到的是亂碥，可以請他不要雙擊開啟檔案，也不要直接把檔案拖曳至Excel中，而試著從Excel上方的「資料 > 取得資料 > 從檔案 > 從文字/CSV」；Office 2013以前的Excel則為「資料 > 取得外部資料 > 從文字檔」。

編碼卡關經驗

我通常匯出檔案都是用utf-8-sig，在後面會提到。本來覺得沒什麼問題，也沒想過我會寫一篇關於編碼的文章。但就在今天，我在Mac上匯出了一份地址清單，並且在雙系統的Windows中要使用郵局的3+3郵遞區號轉碼軟體，結果匯入的檔案一直顯示亂碼，在多次的測試後終於成功，也才有了這篇文章。

使用情境決定檔案格式

Excel檔和CSV檔的特性不同，Excel的檔案較大，讀取寫入較慢，而且欄數和列數都有上限，列數的上限為1048576，但比較容易使用，而且在我的經驗中，Excel檔比較不容易有亂碼的問題產生。

相反，CSV檔的檔案較小，讀取寫入較快，沒有欄數與列數的限制，壞處是有些人不習慣使用CSV檔，不太知道怎麼和它相處。

總結來說，如果你的資料量不大，而且產出的檔案需要給其他人使用，建議你匯出成xlsx就可以了。但如果你的檔案是自己要用的，像是分析的過程中匯出暫存檔，那csv當然是個比較好的選擇，而且在Python中讀取檔案的時候也可以指定編碼，彈性更高。

選擇適合的編碼

以下列了三種編碼，不知道哪一種適合你嗎？別懷疑，全部試一次就對了。

UTF-8

UTF-8是pandas預設的編碼格式，但通常用這個方式都會出現亂碼，我只是寫出來讓大家知道一下。

path = '路徑'
df.to_csv(path + '/file_name.csv', index=False, encoding='utf-8')
df.to_csv(path + '/file_name.xlsx', index=False, encoding='utf-8')

UTF-8-Sig

UTF-8-Sig和UTF-8的主要差別是前者是UTF-8 with BOM (Byte Order Mark)，在Win10中翻譯成「具有BOM的UTF-8」，後者沒有BOM，總之有BOM的比較好。這個方式通常都可以順順利利、平平安安的匯出檔案，這也是網路上最多人推薦的用法。

順帶一提，utf-8-sig事實上有兩種寫法，utf-8-sig與utf_8_sig，兩者似乎有微秒的差異，兩個都可以試一下。

path = '路徑'
df.to_csv(path + '/file_name.csv', index=False, encoding='utf-8-sig')
df.to_csv(path + '/file_name.xlsx', index=False, encoding='utf-8-sig')

Big5

如果utf-8-sig不幸未能完成任務，那你可以試試big5。在我上面提到的郵遞區號3+3轉換的案例中，我最後也是用big5解決，但詭異的地方在於，用big5匯出的檔案在我的Mac上反而顯示為亂碥，在郵局的軟體中卻正常顯示。沒關係，我已經不想追究原因了。

path = '路徑'
df.to_csv(path + '/file_name.csv', index=False, encoding='big5')
df.to_csv(path + '/file_name.xlsx', index=False, encoding='big5')

其他編碼

如果不幸的，以上三種方法都不能達成你的目的，你可以到codecs — Codec registry and base classes中，嘗試其他可以顯示Traditional Chinese的編碼。我在這個頁面中也找到一個ANSI的編碼，這個編碼似乎可以達成我的目的，但只有在Windows上可以使用，偉大的Python看起來也沒辦法在Mac上把UTF-8轉成ANSI，總之我最後是放棄了，也勸你不要輕易嘗試這個方法。

編碼錯誤

匯出檔案的時候，Python可能會回傳以下編碼錯誤的訊息，像是：

'utf-8' codec can't encode character '\\u6052' in position 19: illegal multibyte sequence

這個錯誤的原因是某些字元沒辦法完成編碼，可以使errors參數忽略，如下：

df.to_csv(path + '/file_name.csv', index=False, encoding='utf-8-sig', errors='ignore')

errors這個參數可能需要更新pandas才可以使用，像我從1.0.1更新到1.2.4後，才能順利使用。

---