详解 Python处理 CSV 文件和 JSON 数据

朱雀 2020-09-12 01:17 925阅读 0赞

**CSV 表示“Comma-Separated Values（逗号分隔的值）”， CSV文件是简化的电子表格，保存为纯文本文件。 Python 的 csv 模块让解析 CSV 文件变得容易。  
JSON（发音为“JAY-sawn”或“Jason”，但如何发音并不重要。因为无论如何发音，都会有人说你发音错误）是一种格式，它以 JavaScript 源代码的形式，将信息保存在纯文本文件中。  
JSON 是 JavaScript Object Notation 的缩写不需要知道 JavaScript 编程语言，就可以使用 JSON 文件，但了解 JSON 格式是有用的，因为它用于许多 Web 应用程序中。**

# 14.1  csv 模块 #

CSV 文件中的每行代表电子表格中的一行，逗号分割了该行中的单元格。例如，  
来自 http://nostarch.com/automatestuff/的电子表格 example.xlsx，在一个 CSV 文件中，看起来像这样：

![20181226204345607.png][]

CSV 文件是简单的，缺少 Excel 电子表格的许多功能。例如， CSV 文件中：  
• 值没有类型，所有东西都是字符串；  
• 没有字体大小或颜色的设置；  
• 没有多个工作表；  
• 不能指定单元格的宽度和高度；  
• 不能合并单元格；  
• 不能嵌入图像或图表。  
 CSV 的文件的优势是简单。 CSV 文件被许多种类的程序广泛地支持，可以在文本编辑器中查看（包括 IDLE 的文件编辑器），它是表示电子表格数据的直接方式。CSV 格式和它声称的完全一致：它就是一个文本文件，具有逗号分隔的值。

## 14.1.1 Reader 对象 ##

要用 csv 模块从 CSV 文件中读取数据，需要创建一个 Reader 对象。 Reader 对象让你迭代遍历 CSV 文件中的每一行。  
![20181226204920320.png][]

csv 模块是 Python 自带的，所以不需要安装就可以导入它。

要用 csv 模块读取 CSV 文件，首先用 open()函数打开它，就像打开任何其他文本文件一样。但是，不用在 **open()返回的 File 对象**上调用 read()或 readlines()方法，而是将它传递给 **csv.reader()**函数。这将返回一个 Reader 对象，供你使用。请注意，不能直接将文件名字符串传递给 csv.reader()函数。

要访问 Reader 对象中的值，最直接的方法，就是将它转换成一个普通 Python 列表， 即将它传递给 list()。在这个 Reader 对象上应用 list()函数，将返回一个列表的列表。可以将它保存在变量 exampleData 中。在交互式环境中输入 exampleData，将显示列表的列表。  
既然已经将 CSV 文件表示为列表的列表，就可以用表达式 exampleData\[row\]\[col\]来访问特定行和列的值。

## 14.1.2 在 for 循环中，从 Reader 对象读取数据 ##

对于大型的 CSV 文件，你需要在一个 for 循环中使用 Reader 对象。这样避免将整个文件一次性装入内存。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1Zlcm1vbnRf_size_16_color_FFFFFF_t_70][]

在导入 csv 模块，并从 CSV 文件得到 Reader 对象之后，可以循环遍历 Reader 对象中的行。每一行是一个值的列表，每个值表示一个单元格。

print()函数将打印出当前行的编号以及该行的内容。要取得行号，就使用 Reader对象的 line\_num 变量，它包含了当前行的编号。

## 14.1.3 Writer 对象 ##

Writer 对象让你将数据写入 CSV 文件。要创建一个 Writer 对象，就使用csv.writer()函数。![20181226211742674.png][]

首先，调用 open()并传入'w'，以写模式打开一个文件。这将创建对象。然后将它传递给 csv.writer()，创建一个 Writer 对象。

Writer 对象的 **writerow()方法接受一个列表参数**。列表中的每个词，放在输出的CSV 文件中的一个单元格中。 writerow()函数的返回值，是写入文件中这一行的字符数（包括换行字符）。

## 14.1.4 delimiter 和 lineterminator 关键字参数 ##

假定你希望用制表符代替逗号来分隔单元格，并希望有两倍行距。可以在交互式环境中输入下面这样的代码：  
![20181226212054868.png][]

这改变了文件中的分隔符和行终止字符。分隔符是一行中单元格之间出现的字符。默认情况下， CSV 文件的分隔符是逗号。行终止字符是出现在行末的字符。默认情况下，行终止字符是换行符。你可以利用 csv.writer()的 delimiter 和 lineterminator关键字参数，将这些字符改成不同的值。传入 delimeter='\\t'和 lineterminator='\\n\\n'，这将单元格之间的字符改变为制表符，将行之间的字符改变为两个换行符。然后我们调用 writerow()三次，得到 3 行。

# 14.2 JSON 和 API #

JavaScript 对象表示法是一种流行的方式，将数据格式化，成为人可读的字符串。 JSON 是 JavaScript 程序编写数据结构的原生方式，通常类似于 Python 的 pprint()函数产生的结果。不需要了解 JavaScript，也能处理 JSON 格式的数据。

下面是 JSON 格式数据的一个例子：  
![20181226212403826.png][]

了解 JSON 是很有用，因为很多网站都提供 JSON 格式的内容，作为程序与网站交互的方式。这就是所谓的提供“应用程序编程接口（API）”。访问 API 和通过URL 访问任何其他网页是一样的。不同的是， API 返回的数据是针对机器格式化的（例如用 JSON）， API 不是人容易阅读的。

利用 API，可以编程完成下列任务：  
• 从网站抓取原始数据（访问 API 通常比下载网页并用 Beautiful Soup 解析 HTML  
更方便）。  
• 自动从一个社交网络账户下载新的帖子，并发布到另一个账户。例如，可以把  
tumblr 的帖子上传到 Facebook。  
• 从 IMDb、 Rotten Tomatoes 和维基百科提取数据，放到计算机的一个文本文件  
中，为你个人的电影收藏创建一个“电影百科全书”。  
可以在 http://nostarch.com/automatestuff/的资源中看到 JSON API 的一些例子。

# 14.3 json 模块 #

Python 的 json 模块处理了 JSON 数据字符串和 Python 值之间转换的所有细节，得到了 **json.loads()和 json.dumps()**函数。 JSON 不能存储每一种 Python 值，它只能包含以下数据类型的值：字符串、整型、浮点型、布尔型、列表、字典和 NoneType。JSON 不能表示 Python 特有的对象，如 File 对象、 CSV Reader 或 Writer 对象、 Regex对象或 Selenium WebElement 对象。

## 14.3.1 用 loads()函数读取 JSON ##

要将包含 JSON 数据的字符串转换为 Python 的值，就将它传递给 json.loads()函数（这个名字的意思是“load string”，而不 是“loads”）。在交互式环境中输入以下代码：

![20181226212743921.png][]

导入 json 模块后，就可以调用 loads()，向它传入一个 JSON 数据字符串。 请注意， **JSON 字符串总是用双引号**。它将该数据**返回为一个 Python 字典**。 Python 字典是没有顺序的，所以如果打印 jsonDataAsPythonValue，键-值对可能以不同的顺序出现。

## 14.3.2 用 dumps 函数写出 JSON ##

json.dumps()函数（它表示“dump string”，而不是 “dumps”）将一个 Python 值转换成 JSON 格式的数据字符串。在交互式环境中输入以下代码：

![20181226213010410.png][]

该值只能是以下基本 Python 数据类型之一：字典、列表、整型、浮点型、字符串、布尔型或 None。

CSV 和 JSON 是常见的纯文本格式，用于保存数据。它们很容易被程序解析，同时仍然让人可读，所以它们经常被用作简单的电子表格或网络应用程序的数据。csv 和 json 模块大大简化了读取和写入 CSV 和 JSON 文件的过程。

如果你试着去检查JSON解码后的数据，你通常很难通过简单的打印来确定它的结构， 特别是当数据的嵌套结构层次很深或者包含大量的字段时。 为了解决这个问题，可以考虑使用pprint模块的 **`pprint()` 函数来代替普通的 `print()` 函数**。 它会按照key的字母顺序并以一种更加美观的方式输出。![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1Zlcm1vbnRf_size_16_color_FFFFFF_t_70 1][]

[20181226204345607.png]: /images/1599873423796.png
[20181226204920320.png]: /images/1599873408128.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1Zlcm1vbnRf_size_16_color_FFFFFF_t_70]: /images/1599873393852.png
[20181226211742674.png]: /images/1599873378411.png
[20181226212054868.png]: /images/1599873363887.png
[20181226212403826.png]: /images/1599873347486.png
[20181226212743921.png]: /images/1599873333662.png
[20181226213010410.png]: /images/1599873318269.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1Zlcm1vbnRf_size_16_color_FFFFFF_t_70 1]: /images/1599873301683.png