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

以下主要講在 python2 中的使用，在python3中有不同的地方，我會單獨指出來

一般的excel表格可以保存為csv格式，然后就可以使用 csv 模塊去處理了

讀取文件

讀取文件通過 csv.reader() 方法

需要注意，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

而且 python2 和 python3 在csv文件中遇到中文時的情況也不一樣，具體見后面有關中文問題的介紹

import csv
 
f = open("tmp.csv", "rb")
# 這里獲得的 csvreader 變量實際上是一個迭代器，也就是不能直接打印，需要通過for循環或者next()方法讀取，且只能讀取一次
csvreader = csv.reader(f)
for row in csvreader:
    # 這里的 row 為一個列表，每個字段為這個列表的一個元素，注意，每個字段都是字符串類型
    # 為了保證每個字段的值前后沒有空字符，可以使用如下方法將其處理以后獲得新的列表
    new_row = []
    for i in row:
        new_row.append(i.strip())

寫文件

寫文件通過csv.writer() 方法，

如果要一次寫入一行，可以使用 writerow() 方法；如果要一次寫多行，可以使用 writerows()

如下例：

f = open("tmp.csv", 'wb')
# 雖然讀取出來都是字符串，但是寫入時，可以是其他類，所以這里的3可以是數值，讀取該文件時還是會都變成字符串
a = [["a","1"],["b","2"],["c",3]]
csvwriter = csv.writer(f)
 
for i in a:
    # 一次寫入一行
    csvwriter.writerow(i)
 
# 一次寫入多行
csvwriter.writerows([["d", 4], ["e", 5]])
f.close()

定義格式

定義格式的方法 register_dialect()

有很多格式可以定義，用的最多的是delimiter ，分隔符，默認是逗號

可以自定義其他格式：

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

定義一個格式，命名為mydialect，分隔符設定為 "|"

應用自定義格式的方式如下：

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

中文問題

無論是python2，還是python3，無論是讀還是寫，都會遇到中文的問題

 

在python2中

讀取文件時，如果原文件不是 utf-8 的編碼格式（事實上，使用excel創建的csv文件，編碼格式一般為gbk），則輸出來的中文類似這種格式 '\xb2\xe2\xca\xd4'，可以對該字符串使用decode("gbk")解碼即可獲得中文信息

 

寫文件時，如果內容有中文，代碼不會出問題，但是寫出來的文件是utf-8的編碼格式，使用vim和cat一般不會出問題，但是使用excel打開時，中文會顯示亂碼

但是寫出的該 csv 文件，使用 csv 模塊打開時就可以正常顯示，為utf-8的編碼格式

 

如果希望寫出的帶中文的 csv 文件可以被 excel 正常讀取，可以使用codecs模塊

import csv
import codecs
 
f = codecs.open("tmp1.csv", "w", "utf_8_sig")
csvw = csv.writer(f)
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，而且文件編碼為utf-8

但是該csv文件使用csv模塊打開時，會在第一個字段前加上 "\ufeff" 標記，在做字符串對比的時候需要注意這一點

>>> 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，可以指定文件的編碼格式，注意，這是python2中沒有的

所以，在讀取 gbk 編碼格式的 csv 文件時，可以使用如下方法

>>> 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，這里獲得的中文是不是 gbk 編碼，而是 unicode 編碼，可以直接和 unicode 編碼的中文進行比較

 

寫帶中文的csv文件時，也可以使用這種方式打開

>>> 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()

這里創建的tmp3.csv文件是 gbk 編碼格式，可以使用excel正常查看，但可能使用vim和cat查看時是亂碼

vim可以更改vimrc中的fileencodings的值，來正常查看gbk格式的中文，具體方法這里就不介紹了

事實上，如果寫文件時如果open函數不添加encoding參數，上面介紹的 python2 中的寫方法同樣適用於 python3