URL未知编码: Azure数据库中的mbcs

Question

我下载vintage.xlsx?la=en&hash=6DF4E54DFAE3EDC347F80A80142338E7。

下载来源：https://www.philadelphiafed.org/surveys-and-data/real-time-data-research/ads-点击“大多数当前广告索引葡萄酒”下载该文件。

Notepad++显示下载文件是ANSI类型。

​

因此，我使用encoding = 'mbcs'对其进行解码。但是，存在一个错误unknown encoding: mbcs。

原始代码：

ads_url ="https://www.philadelphiafed.org/-/media/frbp/assets/surveys-and-data/ads/ads_index_most_current_vintage.xlsx?la=en&hash=6DF4E54DFAE3EDC347F80A80142338E7"
df_ads = pd.read_csv(ads_url, encoding = 'mbcs')
df_ads_spark = spark.createDataFrame(df_ads)

​

​

Answer 1

在谷歌搜索之后，我发现这一项有效。如果您需要安装软件包，请安装它们。

import urllib.request
import chardet
from urllib.parse import unquote
import requests

ads_url = "https://www.philadelphiafed.org/-/media/frbp/assets/surveys-and-data/ads/ads_index_most_current_vintage.xlsx?la=en&hash=6DF4E54DFAE3EDC347F80A80142338E7"

r = requests.get(ads_url)

open('ads_index_most_current_vintage.xlsx?la=en&hash=6DF4E54DFAE3EDC347F80A80142338E7', 'wb').write(r.content)

df_ads = pd.read_excel('ads_index_most_current_vintage.xlsx?la=en&hash=6DF4E54DFAE3EDC347F80A80142338E7')

df_ads_spark = spark.createDataFrame(df_ads)

display(df_ads_spark)

Answer 2

我不知道您是如何得出结论，您需要MBCS编码才能理解该文件，但我相信该文件是一个Excel文件。.xlsx扩展名表示它是一个zip文件(这解释了为什么它在Notepad++中不可读)，其中包含表示电子表格的部分。你可以读取Databricks中的.xlsx文件。不需要提取压缩文件部分。