python处理数据（一）

CSV数据处理

csv文件格式

逗号分隔符（csv），有时也称为字符分隔值，因为分隔字符也可以不是逗号，其文件以纯文本的形式存储表格数据（数字和文本）。
纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。
csv文件由任意数目的记录组成，记录间以某种换行符分割；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。通常，所有记录都有完全相同的字段序列。

csv数据格式

27,20,14,15,14,12,94,64,37,1015,1013,1009,7,5,2,21,8,35,0.00,152

另外，csv文件可以直接用excel或者类似软件打开，样子都是我们常见的表格形式。

常用读取数据方法

import codecs
lineText = list()
with codecs.open("test.csv",encoding="utf-8") as f:
    for line in f.readlines():
        print (line.split(","))            #以列表形式，打印每一行的数据。
        lineText.append(line.split(","))
    print (lineText)               #把上面所有行作为元素数据，存入一个列表中。

处理csv格式数据

import codecs
import csv
fileName = "test.csv"
with codecs.open(fileName) as fcsv:
    linecsv = csv.reader(fcsv)
    rows = [row for row in linecsv]
    print (rows)

excel数据处理

python提供有第三方库来支持excel的操作，python处理excel文件用的第三方模块库，有xlrd、xlwt、xluntils和pyExcelerator，除此之外，python处理excel还可以用win32com和openpyxl模块.我们主要用xlrd、xlwt、xluntils这三个模块，pyExcelerator模块偶尔也会用。

xlrd    只能进行读取excel文件，没法进行写入文件;
xlwt    可以写入文件，但是不能在已有的excel的文件上进行修改;
xluntils    可以在已有的excel文件上进行修改;
pyExcelerator    与xlwt类似，也可以用来生成excel文件

相关模块安装

pip install xlrd
pip install xlwt
pip install xlutils
pip install pyExcelerator

按行读取表数据

import xlrd
def readExcel():
    data = xlrd.open_workbook('test.xlsx')
    table = data.sheets()[0]         # 打开第一张表
    nrows = table.nrows          # 获取表的行数
    for i in range(nrows):          # 循环逐行打印
        print(table.row_values(i))      #通过row_values来获取每行的值

if __name__ == '__main__':
    readExcel()

按列读取表数据

import xlrd
data = xlrd.open_workbook("whsc.xlsx")
table2 = data.sheet_by_name("域名")       #sheet标签页的名称
for col in range(table2.ncols):
    print (table2.col_values(col))

创建excel文件并写入内容

import xlwt
excel = xlwt.Workbook()
#创建3个表
sheet1 = excel.add_sheet("sheet1")
sheet2 = excel.add_sheet("sheet2")
sheet3 = excel.add_sheet("sheet3")
#只在第一个表sheet1里写数据，如下：
sheet1.write(0,0,"hello world1", cell_overwrite_ok=True)
sheet1.write(1,0,"hello world2", cell_overwrite_ok=True)
sheet1.write(2,0,"hello world3", cell_overwrite_ok=True)
#第一个是行，第二个是列，第三个是内容，第二个参数用来确认同一个cell单元是否可以重设值。
excel.save("hello.xlsx")
print("创建hello.xlsx完成")

使用样式、字体等效果

import xlwt
excel = xlwt.Workbook()
#创建3个表
sheet1 = excel.add_sheet("sheet1")
sheet2 = excel.add_sheet("sheet2")
sheet3 = excel.add_sheet("sheet3")
#初始化样式
style = xlwt.XFStyle()
#为样式创建字体
font = xlwt.Font()
font.name = 'Times New Roman'   #指定字体名称
font.bold = True              #是否加粗
#设置样式的字体
style.font = font
#使用样式
sheet3.write(0,1,'some bold Times text',style)
#保存该excel文件,有同名文件时直接覆盖
excel.save('hello.xlsx')
print('创建hello.xlsx文件完成!')

文件转换成pdf格式

在工作中，会遇到把html文件转换成pdf文件，转换成pdf有三种方法。
python给我们提供了pdfkit这个模块，直接安装使用就可以了。

安装该模块

pip install pdfkit

简单例子

import pdfkit
pdfkit.from_file("hello.html", 1.pdf)  # 网页转换成pdf（直接把url转换成pdf文件）
pdfkit.from_url("www.baidu.com", 2.pdf)  # Html转换成pdf
pdfkit.from_string("hello world", 3.pdf) # 字符串转换成pdf

抓取apelearn上的教程，并抓换成pdf

import os
import re
import pdfkit
import requests

if not os.path.exists("aminglinux"):
    os.mkdir("aminglinux")  # 创建一个目录来存放生成的pdf文件

os.chdir("aminglinux")  # 切换到创建好的目录

url = "http://www.apelearn.com/study_v2/"
s = requests.session()
text = s.get(url).text
reg = re.compile(r'<li class=\"toctree-l1\"><a class=\"reference internal\" href=\"(.*)\">.*<\/a><\/li>')
result = reg.findall(text)
res = list(set(result))

for i in res:
    purl = "{0}{1}".format(url, i)
    print (purl)
    pdfFileName = i.replace("html", "pdf")
    print (pdfFileName)
    config = pdfkit.configuration(wkhtmltopdf=r"C:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe")
    try:
        pdfkit.from_url(purl, pdfFileName, configuration=config)
    except:
        continue

结果：

chapter1.pdf
chapter2.pdf
chapter3.pdf
chapter4.pdf
chapter5.pdf
......
......

注意：如果使用的是windows需要安装一个wkhtmltopdf驱动，否则会报错。