處理 CSV 文件編碼

先讀篇關於編碼歷史的優秀文章。現代化的系統多使用 UTF-8，不過，偶爾還是會遇到解碼錯誤的 CSV。

import pandas as pd
file_path = "../sample.csv"
df = pd.read_csv(file_path, endocing="utf-8")

運行後可能會報錯：

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

0xff 其實是文件頭部的字節碼。通過這個字符的數字，可以猜測文件編碼類型，例如：0xff 0xfe 是 UTF-16。不過在台灣，舊系統編碼大概就是 big5 或是其擴充 cp950，試著用這兩個去解通常可以搞定。