注：langchain版本：0.0.352

使用langchain的UnstructuredCSVLoader读取带中文csv时：

file_path = “chinese.csv”
loader = UnstructuredCSVLoader(file_path=str(file_path))
docs = loader. Load()

因为编码问题，导致报错：

UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0xxx in position x: illegal multibyte sequence

修改UnstructuredCSVLoader类中的_get_elements函数如下：

    def _get_elements(self) -> List:from unstructured.partition.csv import partition_csv# #####debug code####### unstructuredCSVLoader加载中文csv错误修复try:elements = partition_csv(filename=self.file_path, **self.unstructured_kwargs)except:with open(self.file_path,'rb') as f:elements = partition_csv(file=f,**self.unstructured_kwargs)# ########code end###########return elements

即可。

问题为langchain集成三方库unstructured时编码问题导致。