Python中pandas.to_html()默认使用gbk编码的问题如何解决？

从一个 html 文件已经读取表格数据进入到 pd
我准备把 pd 数据写入到一个 html 文件的时候，报了个错误，遇上了困扰了很多人编码类型的问题，

error in main!! 'gbk' codec can't decode byte 0x94 in position 256: illegal multibyte sequence

SomeFunc.py 里面的 transformCodec()是网上找的一个例子，好像不能正常工作，我理解是 2.x 版本写的，3.x 不合适？

import requests  
import pandas as pd  
import string  
import time  
import datetime  
import codecs  

import SomeFunc


srcfile = ‘C:/Users/Administrator/Desktop/src.html’


if name == ‘main’:

try:

f = codecs.open(srcfile, ‘r+’, ‘utf-8’)

readStr = f.read()

f.close()

PageDF = PageDF.append(pd.read_html(readStr)[7], ignore_index=True)

PageDF = PageDF.drop(PageDF.tail(1).index) #删除最后一行

#PageDF = SomeFunc.transformCodec(PageDF)

PageDF.to_html(‘C:/Users/Administrator/Desktop/pcResult/A.html’)

except Exception as e:
print(‘error in main!!’, e)


#############################

SomeFunc.py                 #

#############################


def transformCodec(re_data):

try:

re_data = re_data.decode(‘gbk’)

except Exception as error:

print(“error”)

print(‘delete illegal string,try again…’)


    pos = re.findall(r'decodebytesinposition([\d]+)-([\d]+):illegal', str(error).replace(' ', ''))  
    if len(pos) == 1:  
        re_data = re_data[0:int(pos[0][0])] + re_data[int(pos[0][1]):]  
        re_data = transformCodec(re_data)  
        return re_data  
return re_data


Python中pandas.to_html()默认使用gbk编码的问题如何解决？

1 回复

遇到pandas.to_html()输出中文乱码，是因为它默认不指定编码，而你的环境或浏览器可能用GBK去解析。核心是确保输出的HTML文件头部声明和实际编码一致。

最直接的方法是在调用to_html()时，通过encoding参数指定为'utf-8'，并确保生成的HTML字符串被正确写入文件。这里给你一个完整的例子：

import pandas as pd

# 创建一个包含中文的示例DataFrame
data = {'姓名': ['张三', '李四'], '城市': ['北京', '上海']}
df = pd.DataFrame(data)

# 关键步骤：生成HTML字符串，并指定编码为utf-8
html_string = df.to_html(index=False, encoding='utf-8')

# 注意：to_html(encoding='utf-8') 返回的是bytes，需要解码为str再写入，或者直接以二进制写入。
# 方法一：解码后以文本模式写入（明确指定encoding）
with open('output.html', 'w', encoding='utf-8') as f:
    # 因为html_string是bytes，需要解码
    f.write(html_string.decode('utf-8'))

# 方法二（更直接）：直接以二进制模式写入bytes
with open('output_utf8.html', 'wb') as f:
    f.write(html_string)

print("HTML文件已生成。请用支持UTF-8的文本编辑器或浏览器打开查看。")

要点说明：

  1. df.to_html(encoding='utf-8') 会返回字节串（bytes），而不是字符串。这是关键。
  2. 写入文件时，必须与这个编码匹配。如果用文本模式写（'w'），需要将bytes解码为str（如.decode('utf-8')），并给open()函数也指定encoding='utf-8'。更推荐直接用二进制模式（'wb'）写入bytes，避免任何隐式转换。
  3. 生成的HTML文件本身在<head>部分会包含<meta charset="UTF-8">标签（pandas自动添加），告诉浏览器用UTF-8解析。

如果问题是因为已有代码接收字符串（str）而非bytes，或者环境限制，另一个思路是生成字符串，但手动确保编码信息：

# 生成字符串（不指定encoding参数，得到str）
html_str = df.to_html(index=False)
# 然后以UTF-8编码写入文件
with open('output_str.html', 'w', encoding='utf-8') as f:
    f.write(html_str)

这种方式to_html()输出的字符串本身是Unicode，写入时由open函数处理编码。确保你的Python源文件本身也是UTF-8编码。

总结：用encoding='utf-8'参数并匹配正确的文件写入方式。

回到顶部