csv 模塊的基本使用

csv 模塊專門用於讀取和寫入 csv 文件內容

如下主要講在 python2 中的使用，在python3中有不一樣的地方，我會單獨指出來

通常的excel表格能夠保存爲csv格式，而後就能夠使用 csv 模塊去處理了

讀取文件

讀取文件經過 csv.reader() 方法

須要注意，在python2中，打開和寫 csv 文件，使用 rb 和 wb

但在python3中，打開和寫 csv 文件，使用 r 和 w

並且 python2 和 python3 在csv文件中遇到中文時的狀況也不同，具體見後面有關中文問題的介紹

 1 import csv
 2  
 3 f = open("tmp.csv", "rb")
 4 # 這裏得到的 csvreader 變量其實是一個迭代器，也就是不能直接打印，須要經過for循環或者next()方法讀取，且只能讀取一次
 5 csvreader = csv.reader(f)
 6 for row in csvreader:
 7     # 這裏的 row 爲一個列表，每一個字段爲這個列表的一個元素，注意，每一個字段都是字符串類型
 8     # 爲了保證每一個字段的值先後沒有空字符，能夠使用以下方法將其處理之後得到新的列表
 9     new_row = []
10     for i in row:
11         new_row.append(i.strip())

寫文件

寫文件經過csv.writer() 方法，

若是要一次寫入一行，能夠使用 writerow() 方法；若是要一次寫多行，能夠使用 writerows()

以下例：

 1 f = open("tmp.csv", 'wb')
 2 # 雖然讀取出來都是字符串，可是寫入時，能夠是其餘類，因此這裏的3能夠是數值，讀取該文件時仍是會都變成字符串
 3 a = [["a","1"],["b","2"],["c",3]]
 4 csvwriter = csv.writer(f)
 5  
 6 for i in a:
 7     # 一次寫入一行
 8     csvwriter.writerow(i)
 9  
10 # 一次寫入多行
11 csvwriter.writerows([["d", 4], ["e", 5]])
12 f.close()

定義格式

定義格式的方法 register_dialect()

有不少格式能夠定義，用的最多的是delimiter ，分隔符，默認是逗號

能夠自定義其餘格式：

  1 csv.register_dialect("mydialect", delimiter="|") 

定義一個格式，命名爲mydialect，分隔符設定爲 "|"

應用自定義格式的方式以下：

1 # 讀文件時應用，讀取文件時，按 "|" 分隔
2 f = open("tmp1.csv","rb")
3 lines = csv.reader(f, "mydialect")
4  
5 # 寫文件時應用，寫文件時，按 "|" 分隔
6 f = open("tmp1.csv","wb")
7 csvwriter = csv.writer(f, "mydialect") 

中文問題

不管是python2，仍是python3，不管是讀仍是寫，都會遇到中文的問題

 

在python2中

讀取文件時，若是原文件不是 utf-8 的編碼格式（事實上，使用excel建立的csv文件，編碼格式通常爲gbk），則輸出來的中文相似這種格式 '\xb2\xe2\xca\xd4'，能夠對該字符串使用decode("gbk")解碼便可得到中文信息

 

寫文件時，若是內容有中文，代碼不會出問題，可是寫出來的文件是utf-8的編碼格式，使用vim和cat通常不會出問題，可是使用excel打開時，中文會顯示亂碼

可是寫出的該 csv 文件，使用 csv 模塊打開時就能夠正常顯示，爲utf-8的編碼格式

 

若是但願寫出的帶中文的 csv 文件能夠被 excel 正常讀取，能夠使用codecs模塊

1 import csv
2 import codecs
3  
4 f = codecs.open("tmp1.csv", "w", "utf_8_sig")
5 csvw = csv.writer(f)
6 csvw.writerows([["中國","中文"],["abc","中文"]])
7 f.close()

這種方法寫的csv文件，在excel中也能正常顯示中文，並且文件編碼爲utf-8

可是該csv文件使用csv模塊打開時，會在第一個字段前加上 "\ufeff" 標記，在作字符串對比的時候須要注意這一點

>>> f = open("tmp1.csv", "r")
>>> csvr = csv.reader(f)
>>> next(csvr)
['\ufeff中國', '中文']
>>> next(csvr)
['abc', '中文']

在python3中，

讀取非 utf-8 編碼格式帶中文的csv文件時，則直接報錯

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb2 in position 0: invalid start byte

但python3中有個很好的方式來解決這個問題

python3中，open函數有一個encoding參數，能夠指定文件的編碼格式，注意，這是python2中沒有的

因此，在讀取 gbk 編碼格式的 csv 文件時，能夠使用以下方法

>>> f = open("tmp2.csv","r", encoding="gbk")
>>> csvr = csv.reader(f)
>>> a = next(csvr)
>>> a[0]
'中文1'
>>> a[0] == '中文1'
True

注意，這裏得到的中文是否是 gbk 編碼，而是 unicode 編碼，能夠直接和 unicode 編碼的中文進行比較

 

寫帶中文的csv文件時，也能夠使用這種方式打開

>>> f = open("tmp3.csv", "w", encoding="gbk")
>>> csvw = csv.writer(f)
>>> csvw.writer([["中文1", "中文2"],["a","中文3"]])
>>> f.close()

這裏建立的tmp3.csv文件是 gbk 編碼格式，能夠使用excel正常查看，但可能使用vim和cat查看時是亂碼

vim能夠更改vimrc中的fileencodings的值，來正常查看gbk格式的中文，具體方法這裏就不介紹了

事實上，若是寫文件時若是open函數不添加encoding參數，上面介紹的 python2 中的寫方法一樣適用於 python3