CSV文件存储
CSV文件存储
CSV ，全称为 Comma-Separated Values ，中文可以叫逗号分隔值或字符分隔值，其文件以纯文本形式存储表格数据。该文件是一个字符序列，可以由任意数目的记录组成，记录间以某种换行符分隔。每条记录由字段组成，字段间的分隔符是其他字符或字符串，最常见的是逗号或制表符。不过所有记录都有完全相同的字段序列，相当于一个结构化表的纯文本形式。它比 Excel 文件更加简洁， XLS 文本是电子表格，它包含了文本、数值、公式和格式等内容，而 CSV 中不包含这些内容，就是特定字符分割的纯文本，结构简单清晰。
写入
这里先看一个最简单的例子：
import csv
with open('data.csv', 'w')as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name', 'age'])
writer.writerow(['10001', 'Mike', 20])
writer.writerow(['10002', 'Bob', 22])
writer.writerow(['10003', 'Jordan', 21])首先，打开 data.csv 文件，然后指定打开的模式为 w （即写入），获得文件句柄，随后调用 csv 库的 writer() 方法初始化写入对象，传入该句柄，然后调用 writerow() 方法传入每行的数据即可完成写入。
运行结束后，会生成一个 data.csv 的文件，此时数据就成功写入了，直接以文本形式打开的话，其内容如下：
id,name,age
10001,Mike,20
10002,Bob,22
10003,Jordan,21我们可以发现每条记录中间都空了一行，这可不太好啊！那么如何解决这个问题呢？首先从 open 方法入手，我们先查看一下 open 方法，打开命令提示符输入 python 或 ipython 回车进交互式解释器环境。然后直接输入 help(open) 回车，如图所示。
首先看这个函数的原型， 1 个必选参数， 7 个默认参数，我们注意到其中一个默认参数是 newline ，引起上面的结果出现空行可能就是因为它了，我们往下滑，找到对 newline 参数的解释，如图所示。
稍微翻译一下， newline 控制全局的换行如何工作（它仅仅应用于文本模式）。它可以是None，‘’，‘\n’，‘\r’ 和 ‘\r\n’。它按照如下方式工作：
- 在输入时，如果 newline 是 None ，全局的换行模式是可用的，输入中的行可以以 ‘\n’，‘\r’ 或者 ‘\r\n’ 结尾，并且在被返回给调用者之前，这些会被解释成 ‘\n’ 。如果它是空字符串，全局换行模式也是可用的，但是每一行的结束符都会原封不动的返回给调用者。如果它有其他任何合法的值，输入的行仅仅按照被传入的字符串来终止，并且行的结束符被原封不动的返回给调用者。
- 在输出时，如果 newline 是 None ，任何被写入的 ‘\n’ 字符会被解释成系统默认的行分隔符， os.linesep 。如果 newline 是 ‘’ 或者 ‘\n’ ，就没有解释发生。如果 newline 是任何其他合法的值，任何被写入的 ‘\n’ 字符被解释给传入的字符串。
简直是云里雾里啊~！这里看不懂没有关系，我们去看一下 csv 的官方文档（https://docs.python.org/3/library/csv.html#id3），找到如图所示的位置。
上面是 csv 模块的 writer 的函数原型，稍微翻译一下下面一段：
返回一个编写器对象，负责将用户的数据转换为给定类似文件的对象上的分隔字符串。 csvfile 可以是任何拥有写方法的对象。如果 csvfile 是一个文件对象，它应该伴随着 newline 参数为空字符串的过程被打开。……为什么呢？点击上面的 [1] 跳到最下面的注释部分，如图所示。
如果 newline=‘’ 没有被规定，嵌入在引号字段中的换行符将无法正确解释，并且在使用 \r\n 行尾的平台上将添加额外的 \r 。由于 csv 模块遵循它自己的换行处理标准，规定 newline=‘’ 总归是安全的。
按照官方文档所说的内容，我们修改上面的例子。
import csv
with open('data.csv', 'w', newline='')as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name', 'age'])
writer.writerow(['10001', 'Mike', 20])
writer.writerow(['10002', 'Bob', 22])
writer.writerow(['10003', 'Jordan', 21])再次运行一下，然后去看看文件内容，其内容如下：
id,name,age
10001,Mike,20
10002,Bob,22
10003,Jordan,21终于成功了！可以看到，写入的文本默认以逗号分隔，调用一次 writerow() 方法即可写入一行数据。用 Excel 打开的结果如图所示。
如果想修改列与列之间的分隔符，可以传入 delimiter 参数，其代码如下：
import csv
with open('data.csv', 'w', newline='')as csvfile:
writer = csv.writer(csvfile, delimiter=' ')
writer.writerow(['id', 'name', 'age'])
writer.writerow(['10001', 'Mike', 20])
writer.writerow(['10002', 'Bob', 22])
writer.writerow(['10003', 'Jordan', 21])在这里初始化写入对象时传入 delimiter 参数为空格，此时输出结果的每一列就是以空格分隔了，内容如下：
id name age
10001 Mike 20
10002 Bob 22
10003 Jordan 21另外，我们也可以调用 writerows() 方法写入多行，此时参数就需要为二维列表，例如：
import csv
with open('data.csv', 'w', newline='')as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name', 'age'])
writer.writerows([['10001', 'Mike', 20], ['10002', 'Bob', 22], ['10003', 'Jordan', 21]])输出效果是相同的，内容如下：
id,name,age
10001,Mike,20
10002,Bob,22
10003,Jordan,21但是一般情况下，爬虫爬取的都是结构化数据，我们一般会用字典来表示。在 csv 库中也提供了字典的写入方式，示例如下：
import csv
with open('data.csv', 'w', newline='')as csvfile:
fieldnames = ['id', 'name', 'age']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
writer.writerow({'id': '10001', 'name': 'Mike', 'age': 20})
writer.writerow({'id': '10002', 'name': 'Bob', 'age': 22})
writer.writerow({'id': '10003', 'name': 'Jordan', 'age': 21})这里先定义 3 个字段，用 fieldnames 表示，然后将其传给 DictWriter 来初始化一个字典写入对象，接着可以调用 writeheader() 方法先写入头信息，然后再调用 writerow() 方法传入相应字典即可。最终写入的结果是完全相同的，内容如下：
id,name,age
10001,Mike,20
10002,Bob,22
10003,Jordan,21这样就可以完成字典到 csv 文件的写入了。
另外，如果想追加写入的话，可以修改文件的打开模式，即将 open() 函数的第二个参数改成 a ，代码如下：
import csv
with open('data.csv', 'a', newline='')as csvfile:
fieldnames = ['id', 'name', 'age']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writerow({'id': '10004', 'name': 'Durant', 'age': 22})这样在上面的基础上再执行这段代码，文件内容便会变成：
id,name,age
10001,Mike,20
10002,Bob,22
10003,Jordan,21
10004,Durant,22可见，数据被追加写到文件中。
如果要写入中文内容的话，可能会遇到字符编码的问题，此时需要给 open 参数指定编码格式。比如，这里再写入一行包含中文的数据，代码需要改写如下：
import csv
with open('data.csv', 'a', encoding='utf-8', newline='')as csvfile:
fieldnames = ['id', 'name', 'age']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writerow({'id': '10005', 'name': '王伟', 'age': 22})这里需要给 open() 函数指定编码，否则可能发生编码错误。
另外，如果接触过 pandas 等库的话，可以调用 DataFrame 对象的 to_csv() 方法来将数据写入 CSV 文件中。
读取
我们同样可以使用 csv 库来读取 CSV 文件。例如，将刚才写入的文件内容读出来，相关代码如下：
import csv
with open('data.csv', 'r', encoding='utf-8')as csvfile:
reader = csv.reader(csvfile)
for row in reader:
print(row)运行结果如下：
['id', 'name', 'age']
['10001', 'Mike', '20']
['10002', 'Bob', '22']
['10003', 'Jordan', '21']
['10004', 'Durant', '22']
['10005', '王伟', '22']这里我们构造的是 Reader 对象，通过遍历输出了每行的内容，每一行都是一个列表形式。注意，如果 CSV 文件包含中文的话，还需要指定文件编码。
另外，如果接触过 pandas 的话，可以利用 read_csv() 方法将数据从 CSV 中读取出来，例如：
import pandas as pd
df = pd.read_csv('data.csv')
print(df)运行结果如下：
我们可以发现中文没有对齐，感觉有点怪怪的~！我们首先需要知道为什么没有对齐。它之所以没有对齐，是因为它以最长的字符串为标准进行右对齐的，同时又因为汉字是宽字符（占用两个字符的位置），它现在还是以为中文汉字只有占一个字符位。如何解决这个问题呢？其实很简单，设置属性 display.unicode.ambiguous_as_wide 和 display.unicode.east_asian_width ，将这两个属性都设置为 True 即可，代码如下：
import pandas as pd
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_csv('data.csv')
print(df)运行结果如下：
在做数据分析的时候，此种方法用的比较多，也是一种比较方便地读取 CSV 文件的方法。
我们了解了 CSV 文件的写入和读取方式。这也是一种常用的数据存储方式，需要熟练掌握。
本文分享自 Python机器学习算法说书人 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ，欢迎热爱写作的你一起参与！
腾讯云开发者
