Question

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：

4/5/2015 13:34,Apples,73
4/5/2015 3:41,Cherries,85
4/6/2015 12:46,Pears,14
4/8/2015 8:59,Oranges,52
4/10/2015 2:07,Apples,152
4/10/2015 18:10,Bananas,23
4/10/2015 2:40,Strawberries,98

我将使用这个文件作为本章的交互式环境的例子。可以从http://nostarch.com/ automatestuff/下载example.csv，或在文本编辑器中输入文本，并保存为example.csv。

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。

因为CSV文件就是文本文件，所以你可能会尝试将它们读入一个字符串，然后用第8章中学到的技术处理这个字符串。例如，因为CSV文件中的每个单元格有逗号分割，也许你可以只是对每行文本调用split()方法，来取得这些值。但并非CSV文件中的每个逗号，都表示两个单元格之间的分界。CSV文件也有自己的转义字符，允许逗号和其他字符作为值的一部分。split()方法不能处理这些转义字符。因为这些潜在的缺陷，所以总是应该使用csv模块来读写CSV文件。

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。在交互式环境中输入以下代码，同时将example.csv放在当前工作目录中：

❶ >>> import csv
❷ >>> exampleFile = open('example.csv')
❸ >>> exampleReader = csv.reader(exampleFile)
❹ >>> exampleData = list(exampleReader)
❺ >>> exampleData
　[['4/5/2015 13:34', 'Apples', '73'], ['4/5/2015 3:41', 'Cherries', '85'],
　['4/6/2015 12:46', 'Pears', '14'], ['4/8/2015 8:59', 'Oranges', '52'],
　['4/10/2015 2:07', 'Apples', '152'], ['4/10/2015 18:10', 'Bananas', '23'],
　['4/10/2015 2:40', 'Strawberries', '98']]

csv模块是Python自带的，所以不需要安装就可以导入它❶。

要用csv模块读取CSV文件，首先用open()函数打开它❷，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❸。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()❹。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❺。

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。其中，row是exampleData中一个列表的下标，col是该列表中你想访问的项的下标。在交互式环境中输入以下代码：

>>> exampleData[0][0]
'4/5/2015 13:34'
>>> exampleData[0][1]
'Apples'
>>> exampleData[0][2]
'73'
>>> exampleData[1][1]
'Cherries'
>>> exampleData[6][1]
'Strawberries'

exampleData[0][0]进入第一个列表，并给出第一个字符串。exampleData[0][2]进入第一个列表，并给出第三个字符串，以此类推。

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。例如，在交互式环境中输入以下代码：

>>> import csv
>>> exampleFile = open('example.csv')
>>> exampleReader = csv.reader(exampleFile)
>>> for row in exampleReader:
        print('Row #' + str(exampleReader.line_num) + ' ' + str(row))

Row #1 ['4/5/2015 13:34', 'Apples', '73']
Row #2 ['4/5/2015 3:41', 'Cherries', '85']
Row #3 ['4/6/2015 12:46', 'Pears', '14']
Row #4 ['4/8/2015 8:59', 'Oranges', '52']
Row #5 ['4/10/2015 2:07', 'Apples', '152']
Row #6 ['4/10/2015 18:10', 'Bananas', '23']
Row #7 ['4/10/2015 2:40', 'Strawberries', '98']

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。

Reader对象只能循环遍历一次。要再次读取CSV文件，必须调用csv.reader，创建一个对象。

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。在交互式环境中输入以下代码。

　>>> import csv
❶ >>> outputFile = open('output.csv', 'w', newline='')
❷ >>> outputWriter = csv.writer(outputFile)
　>>> outputWriter.writerow(['spam', 'eggs', 'bacon', 'ham'])
　21
　>>> outputWriter.writerow(['Hello, world!', 'eggs', 'bacon', 'ham'])
　32
　>>> outputWriter.writerow([1, 2, 3.141592, 4])
　16
　>>> outputFile.close()

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

在Windows上，需要为open()函数的newline关键字参数传入一个空字符串。这样做的技术原因超出了本书的范围。如果忘记设置newline关键字参数，output.csv中的行距将有两倍，如图14-1所示。

图14-1 如果你在open()中忘记了newline=''关键字参数，CSV文件将有两倍行距

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）。

这段代码生成的文件像下面这样：

spam,eggs,bacon,ham
"Hello, world!",eggs,bacon,ham
1,2,3.141592,4

请注意，Writer对象自动转义了'Hello, world!'中的逗号，在CSV文件中使用了双引号。模块csv让你不必自己处理这些特殊情况。

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：

　>>> import csv
　>>> csvFile = open('example.tsv', 'w', newline='')
❶ >>> csvWriter = csv.writer(csvFile, delimiter='\t', lineterminator='\n\n')
　>>> csvWriter.writerow(['apples', 'oranges', 'grapes'])
　24
　>>> csvWriter.writerow(['eggs', 'bacon', 'ham'])
　17
　>>> csvWriter.writerow(['spam', 'spam', 'spam', 'spam', 'spam', 'spam'])
　32
　>>> csvFile.close()

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'❶，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。

这产生了文件example.tsv，包含以下内容：

apples  oranges grapes

eggs    bacon    ham

spam    spam     spam     spam     spam     spam

既然单元格是由制表符分隔的，我们就使用文件扩展名.tsv，表示制表符分隔的值。