Python与csv文件那些事儿

一、csv文件的特点

1.文件结构简单，基本上和文本的差别不大；
2.可以和microExcle进行转换，这是一个很大的优点，很容易进行察看模式转换，但是如果你同样的csv文件和将其转换成xls文件后的size比较就更加明白他在size上的优势了；
3.由于其简单的存储方式，一方面可以减少存储信息的容量，这样有利于网络传输以及客户端的再处 理；
4.由于是一堆没有任何说明的数据，具备基本的安全性。

二、创建csv文件

import csv
from csv import DictWriter
with open('names.csv', 'w') as csvfile:
    fieldnames = ['first_name', 'last_name']
    #writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
    writer = DictWriter(csvfile, fieldnames=fieldnames)
    writer.writeheader()

    writer.writerow({'first_name': 'Baked', 'last_name': 'Beans'})
    writer.writerow({'first_name': 'Lovely', 'last_name': 'Spam'})
    writer.writerow({'first_name': 'Wonderful', 'last_name': 'Spam'})
    writer.writerow({'first_name': '钟', 'last_name': '史俊'})

三、读取csv文件

import csv
with open('names.csv') as csvfile:
    reader = csv.DictReader(csvfile)
    for row in reader:
        print(row['first_name'], row['last_name'])

四、实例

我们在之前Requests+正则表达式爬取猫眼电影的基础上，将爬取的数据存储为csv文件，并读取部分csv文件，代码如下：

import requests
from requests.exceptions import RequestException
import re
import json
import csv
import pandas as pd
from multiprocessing import Pool  #多线程

def get_one_page(url):
    try:
        response=requests.get(url)
        if response.status_code==200:
            return response.text
        return None
    except RequestException:
        return None

def parse_one_page(html):
    pattern=re.compile('<dd>.*?board-index.*?>(\d+)</i>.*?data-src="(.*?)".*?name"><a'
                       +'.*?>(.*?)</a>.*?star">(.*?)</p>.*?releasetime">(.*?)</p>'
                       +'.*?integer">(.*?)</i>.*?fraction">(.*?)</i>.*?</dd>', re.S)
    items=re.findall(pattern,html)
    #print(items)
    for item in items:
        yield {
            'index':item[0],
            'image':item[1],
            'title':item[2],
            'actor':item[3].strip()[3:],
            'time':item[4].strip()[5:],
            'score':item[5]+item[6]
        }

def write_to_file(content):
    with open('result.text','a',encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii=False)+'\n')
        f.close()

def main():
    with open('top100.csv', 'a', encoding='utf-8') as csvfile:
        fieldnames = ['title', 'actor','index',  'score', 'time', 'image']
        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
        writer.writeheader()
        for i in range(10):
            url='http://maoyan.com/board/4?offset='+str(i)
            get_one_page(url)
            html=get_one_page(url)
            #parse_one_page(html)
            #print(html)
            for item in parse_one_page(html):
                writer.writerow(item)
                print(item)
                write_to_file(item)
    with open('top100.csv', 'r', encoding='utf-8') as csvfile:   #这里要加encoding='utf-8'，不然会有编码错误
        reader = csv.DictReader(csvfile)
        for row in reader:
            print(row['title'], row['time'])

if __name__ == '__main__':
    main()
    '''pool=Pool()
    pool.map(main,[i*10 for i in range(10)])'''