Python 解析构建数据大杂烩 -- csv、xml、json、excel

Python 可以通过各种库去解析我们常见的数据。其中 csv 文件以纯文本形式存储表格数据，以某字符作为分隔值，通常为逗号；xml 可拓展标记语言，很像超文本标记语言 Html ，但主要对文档和数据进行结构化处理，被用来传输数据；json 作为一种轻量级数据交换格式，比 xml 更小巧但描述能力却不差，其本质是特定格式的字符串；Microsoft Excel 是电子表格，可进行各种数据的处理、统计分析和辅助决策操作，其数据格式为 xls、xlsx。接下来主要介绍通过 Python 简单解析构建上述数据，完成数据的“珍珠翡翠白玉汤”。

Python 解析构建 csv

通过标准库中的 csv 模块，使用函数 reader()、writer() 完成 csv 数据基本读写。

 import csv

 with open('readtest.csv', newline='') as csvfile:
     reader = csv.reader(csvfile)
     for row in reader:
         print(row)

 with open('writetest.csv', 'w', newline='') as csvfile:
     writer = csv.writer(csvfile)
     writer.writerow("onetest")
     writer.writerows("someiterable")

其中 reader() 返回迭代器， writer() 通过 writerow() 或 writerows() 写入一行或多行数据。两者还可通过参数 dialect 指定编码方式，默认以 excel 方式，即以逗号分隔，通过参数 delimiter 指定分隔字段的单字符，默认为逗号。

在 Python3 中，打开文件对象 csvfile ，需要通过 newline='' 指定换行处理，这样读取文件时，新行才能被正确地解释；而在 Python2 中，文件对象 csvfile 必须以二进制的方式 'b' 读写，否则会将某些字节（0x1A）读写为文档结束符（EOF），导致文档读取不全。

除此之外，还可使用 csv 模块中的类 DictReader()、DictWriter() 进行字典方式读写。

 import csv

 with open('readtest.csv', newline='') as csvfile:
     reader = csv.DictReader(csvfile)
     for row in reader:
         print(row['first_test'], row['last_test'])

 with open('writetest.csv', 'w', newline='') as csvfile:
     fieldnames = ['first_test', 'last_test']
     writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
     writer.writeheader()
     writer.writerow({'first_test': 'hello', 'last_test': 'wrold'})
     writer.writerow({'first_test': 'Hello', 'last_test': 'World'})
     #writer.writerows([{'first_test': 'hello', 'last_test': 'wrold'}, {'first_test': 'Hello', 'last_test': 'World'}])

其中 DictReader() 返回有序字典，使得数据可通过字典的形式访问，键名由参数 fieldnames 指定，默认为读取的第一行。

DictWriter() 必须指定参数 fieldnames 说明键名，通过 writeheader() 将键名写入，通过 writerow() 或 writerows() 写入一行或多行字典数据。

Python 解析构建 xml

通过标准库中的 xml.etree.ElementTree 模块，使用 Element、ElementTree 完成 xml 数据的读写。

 from xml.etree.ElementTree import Element, ElementTree
 root = Element('language')
 root.set('name', 'python')
 direction1 = Element('direction')
 direction2 = Element('direction')
 direction3 = Element('direction')
 direction4 = Element('direction')
 direction1.text = 'Web'
 direction2.text = 'Spider'
 direction3.text = 'BigData'
 direction4.text = 'AI'
 root.append(direction1)
 root.append(direction2)
 root.append(direction3)
 root.append(direction4)
 #import itertools
 #root.extend(chain(direction1, direction2, direction3, direction4))
 tree = ElementTree(root)
 tree.write('xmltest.xml')

写 xml 文件时，通过 Element() 构建节点，set() 设置属性和相应值，append() 添加子节点，extend() 结合循环器中的 chain() 合成列表添加一组节点，text 属性设置文本值，ElementTree() 传入根节点构建树，write() 写入 xml 文件。

 import xml.etree.ElementTree as ET
 tree = ET.parse('xmltest.xml')
 #from xml.etree.ElementTree import ElementTree
 #tree = ElementTree().parse('xmltest.xml')
 root = tree.getroot()
 tag = root.tag
 attrib = root.attrib
 text = root.text
 direction1 = root.find('direction')
 direction2 = root[1]
 directions = root.findall('.//direction')
 for direction in root.findall('direction'):
     print(direction.text)
 for direction in root.iter('direction'):
     print(direction.text)
 root.remove(direction2)

读 xml 文件时，通过 ElementTree() 构建空树，parse() 读入 xml 文件，解析映射到空树；getroot() 获取根节点，通过下标可访问相应的节点；tag 获取节点名，attrib 获取节点属性字典，text 获取节点文本；find() 返回匹配到节点名的第一个节点，findall() 返回匹配到节点名的所有节点，find()、findall() 两者都仅限当前节点的一级子节点，都支持 xpath 路径提取节点；iter() 创建树迭代器，遍历当前节点的所有子节点，返回匹配到节点名的所有节点；remove() 移除相应的节点。

除此之外，还可通过 xml.sax、xml.dom.minidom 去解析构建 xml 数据。其中 sax 是基于事件处理的；dom 是将 xml 数据在内存中解析成一个树，通过对树的操作来操作 xml；而 ElementTree 是轻量级的 dom ，具有简单而高效的API，可用性好，速度快，消耗内存少，但生成的数据格式不美观，需要手动格式化。

Python 解析构建 json

通过标准库中的 json 模块，使用函数 dumps()、loads() 完成 json 数据基本读写。

 >>> import json
 >>> json.dumps(['foo', {'bar': ('baz', None, 1.0, 2)}])
 '["foo", {"bar": ["baz", null, 1.0, 2]}]'
 >>> json.loads('["foo", {"bar":["baz", null, 1.0, 2]}]')
 ['foo', {'bar': ['baz', None, 1.0, 2]}]

json.dumps() 是将 obj 序列化为 json 格式的 str，而 json.loads() 是反向操作。其中 dumps() 可通过参数 ensure_ascii 指定是否使用 ascii 编码，默认为 True；通过参数  separators=(',', ':') 指定 json 数据格式中的两种分隔符；通过参数 sort_keys 指定是否使用排序，默认为 False。

除此之外，还可使用 json 模块中的函数 dump()、load() 进行 json 数据读写。

 import json
 with open('jsontest.json', 'w') as jsonfile:
     json.dump(['foo', {'bar': ('baz', None, 1.0, 2)}], jsonfile)
 with open('jsontest.json') as jsonfile:
     json.load(jsonfile)

功能与 dumps()、loads() 相同，但接口不同，需要与文件操作结合，多传入一个文件对象。

Python 解析构建 excel

通过 pip 安装第三方库 xlwt、xlrd 模块，完成 excel 数据的读写。

 import xlwt
 wbook = xlwt.Workbook(encoding='utf-8')
 wsheet = wbook.add_sheet('sheet1')
 wsheet.write(0, 0, 'Hello World')
 wbook.save('exceltest.xls')

写 excel 数据时，通过 xlwt.Workbook() 指定编码格式参数 encoding 创建工作表，add_sheet() 添加表单，write() 在相应的行列单元格中写入数据，save() 保存工作表。

 import xlrd
 rbook = xlrd.open_workbook('exceltest.xls')
 rsheet = rbook.sheets()[0]
 #rsheet = rbook.sheet_by_index(0)
 #rsheet = rbook.sheet_by_name('sheet1')
 nr = rsheet.nrows
 nc = rsheet.ncols
 rv = rsheet.row_values(0)
 cv = rsheet.col_values(0)
 cell = rsheet.cell_value(0, 0)

读 excel 数据时，通过 xlrd.open_workbook() 打开相应的工作表，可使用列表下标、表索引 sheet_by_index()、表单名 sheet_by_name() 三种方式获取表单名，nrows 获取行数，ncols 获取列数，row_values() 返回相应行的值列表，col_values() 返回相应列的值列表，cell_value() 返回相应行列的单元格值。

文档

csv：Python3 中的 csv、Python2 中的 csv

xml：xml.etree.elementtree

json：Python3 中的 json

excel：github 中的 xlwt、github 中的 xlrd