...
Eroare Python pentru analiza datelor · Citirea fișierelor CSV

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe3 in position 16: invalid continuation byte

Pe scurt

Fișierul CSV nu e salvat în UTF-8, ci într-o codificare veche (de obicei cp1250 sau latin-1, din Excel pe Windows), iar pandas îl citește implicit ca UTF-8. Spune-i codificarea reală: pd.read_csv("fisier.csv", encoding="cp1250").

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

Un fișier text este de fapt o înșiruire de octeți, iar codificarea (encoding) spune cum se transformă octeții în litere. pandas presupune implicit UTF-8. În UTF-8, literele românești ocupă doi octeți, iar al doilea trebuie să aibă o anumită formă (un „continuation byte”). Când fișierul e salvat în cp1250 (Windows, Europa Centrală), ă este un singur octet, 0xe3, urmat direct de litera următoare, iar decodorul UTF-8 se oprește: „invalid continuation byte”.

Mesajul îți spune octetul problematic (0xe3) și poziția lui în fișier (position 16, numărat de la 0). 0xe3 este ă în cp1250, 0xba este ș, 0xfe este ț, iar 0xe2 și 0xee sunt â și î, deci aproape sigur ai un fișier românesc salvat din Excel sau dintr-un program vechi. Reparația e să citești cu codificarea reală, nu să ștergi diacriticele.

De ce apare: cauzele frecvente

1CSV exportat din Excel pe Windows (cp1250)

Greșit
PYTHON
import pandas as pd

df = pd.read_csv("clienti.csv")
Corect
PYTHON
import pandas as pd

df = pd.read_csv("clienti.csv", encoding="cp1250")

Excel salvează „CSV (delimitat prin virgulă)” în codificarea Windows a sistemului. Cu encoding="cp1250", octetul 0xe3 este citit corect ca ă.

2Fișier în latin-1 sau ISO-8859-2

Greșit
PYTHON
import pandas as pd

df = pd.read_csv("export_vechi.csv")
Corect
PYTHON
import pandas as pd

df = pd.read_csv("export_vechi.csv", encoding="iso-8859-2")

Sistemele mai vechi folosesc des ISO-8859-2 (latin-2) pentru română. Încearcă pe rând cp1250, iso-8859-2 și latin-1 și verifică dacă diacriticele arată bine.

3UTF-8 cu BOM, care lasă un caracter ciudat în primul nume de coloană

Greșit
PYTHON
import pandas as pd

df = pd.read_csv("date.csv")
print(df.columns[0])   # '\ufeffnume'
Corect
PYTHON
import pandas as pd

df = pd.read_csv("date.csv", encoding="utf-8-sig")
print(df.columns[0])   # 'nume'

Nu dă UnicodeDecodeError, dar e problema-soră: fișierul are la început marcajul BOM. utf-8-sig îl elimină, iar df["nume"] nu mai dă KeyError.

Repară tu

Repară eroarea, direct în pagină

Programul de mai jos creează un fișier clienti.csv exact cum l-ar salva Excel pe un Windows în română (codificarea cp1250), apoi îl citește. Citirea dă UnicodeDecodeError. Repară apelul read_csv ca să afișeze tabelul cu diacriticele corecte și numărul de clienți din Brăila.

Codul care dă eroarea
PYTHON
import pandas as pd

# fișierul, așa cum îl salvează Excel pe Windows (cp1250)
continut = "nume,oras\nAna Pop,Brăila\nIon Toma,Bârlad\nDan Ilie,Brăila\n"
open("clienti.csv", "wb").write(continut.encode("cp1250"))

df = pd.read_csv("clienti.csv")
print(df)
print("Clienți din Brăila:", (df["oras"] == "Brăila").sum())
După reparație, programul afișează
       nume    oras
0   Ana Pop  Brăila
1  Ion Toma  Bârlad
2  Dan Ilie  Brăila
Clienți din Brăila: 2
Indiciu

Adaugă la read_csv parametrul encoding cu codificarea în care a fost salvat fișierul.

Alte forme ale mesajului

  • UnicodeDecodeError: 'utf-8' codec can't decode byte 0xba in position 42: invalid start byte
  • UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe2 in position 7: invalid continuation byte
  • UnicodeDecodeError: 'charmap' codec can't decode byte 0x81 in position 120: character maps to <undefined>

Cum o eviți pe viitor

  • Când exporți din Excel, alege „CSV UTF-8 (delimitat prin virgulă)”, nu „CSV”.
  • Când primești un fișier de la altcineva, întreabă sau verifică codificarea înainte (multe editoare o afișează în bara de jos).
  • Dacă scrii tu fișiere CSV, salvează-le explicit: df.to_csv("raport.csv", index=False, encoding="utf-8").
  • Nu folosi encoding_errors="ignore" ca reparație: pierzi literele cu diacritice fără să știi.

Întrebări frecvente

Cum aflu codificarea unui fișier?

Deschide-l într-un editor ca VS Code sau Notepad++: codificarea apare în bara de stare. Din Python, poți încerca pe rând câteva codificări și te uiți la diacritice. Pentru fișiere românești, cp1250 rezolvă majoritatea cazurilor.

Ce diferență e între „invalid start byte” și „invalid continuation byte”?

Ambele înseamnă că fișierul nu e UTF-8. „Start byte” apare când octetul nu poate începe o literă în UTF-8, „continuation byte” când o literă a început, dar octetul următor nu se potrivește. Reparația e aceeași: parametrul encoding cu codificarea reală.

Pot folosi encoding="latin-1" pentru orice fișier?

latin-1 nu dă niciodată eroare, pentru că orice octet are o literă asociată, dar asta nu înseamnă că literele sunt corecte. Un fișier cp1250 citit ca latin-1 îți arată º în loc de ș. Verifică mereu rezultatul.

Erori înrudite

← Toate erorile Python pentru analiza datelor

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție

Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.