CSV 格式的全稱是 Comma Separated Values，意思是逗號(hào)分割的數(shù)據(jù)，是最常見的電子表格和數(shù)據(jù)庫的導(dǎo)出格式之一，在?RFC 4180?中已經(jīng)成為了一種標(biāo)準(zhǔn)格式。Python 中提供了一個(gè)官方的標(biāo)準(zhǔn)庫來處理這種文件類型，那就是 CSV 庫。

官方文檔在此：CSV

文件的基本讀寫

文件的讀寫主要使用?csv.reader?和?csv.writer?來完成，它的定義如下：

csv.reader(csvfile, dialect='excel', **fmtparams)

• csvfile：返回字符串的迭代器，一般是?open?函數(shù)返回的文件對象
• dialect：用來讀取非標(biāo)準(zhǔn) csv 格式的指定參數(shù)，這部分參考下文
• **fmtparams：用來指定格式的參數(shù)，這部分的詳細(xì)參數(shù)參考下文

最簡單、最常用的使用方法是將?open?函數(shù)返回的文件對象直接丟給?csv.reader?就會(huì)得到一個(gè)每次返回一個(gè)拆分后的字符串列表的迭代器：

import csv
with open('file.csv', 'r') as input_file:
    file_content = csv.reader(input_file, delemiter=',')
    for row in file_content:
        # code here
        pass

類似地，對文件的寫操作與原生方法類似：

import csv
with open('file.csv', 'w', newline='') as output_file:
    file_writer = csv.writer(output_file, delimiter=',')
    file_writer.writerow(['Spam'] * 5 + ['Baked Beans'])
    file_writer.writerow(['Spam', 'Lovely Spam', 'Wonderful Spam'])

用字典模式處理數(shù)據(jù)

有時(shí)候，我們可能需要將數(shù)據(jù)讀取成字典（例如要上傳到 MongoDB 的時(shí)候），這時(shí)候我們可以使用?csv.DictReader?將表格形式的數(shù)據(jù)讀取為字典形式的數(shù)據(jù)。

這個(gè)函數(shù)的參數(shù)如下：

csv.DictReader(
    f,
    fieldnames=None,
    restkey=None, restval=None,
    dialect='excel',
    *args, **kwds
)

• f：可迭代對象或者文件對象
• fieldnames：一個(gè)有序列表，代表字典中的字段（一般是文件的列名），如果不指定，就用文件的第一行的字符串來作為字段的名字
• restkey：如果列名的數(shù)量少于內(nèi)容的列數(shù)，那么剩下的列就會(huì)被統(tǒng)一放到一個(gè)字段里，這里的?restkey?就是這個(gè)字段的名字，默認(rèn)為?None
• restval：與?restkey?類似，如果內(nèi)容的列數(shù)少于列名的數(shù)量，那么內(nèi)容中缺少的列就會(huì)被填充，這個(gè)參數(shù)指定用來填充的值，默認(rèn)為?None
• 其他的參數(shù)與?csv.reader?相同

一個(gè)簡單的示例如下：

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

# Eric Idle
# John Cleese

print(row)
# {'first_name': 'John', 'last_name': 'Cleese'}

類似地，字典的寫通過?csv.DictWriter?來完成，這個(gè)函數(shù)將字典類型的數(shù)據(jù)輸出為表格形式的數(shù)據(jù)，csv.DictWriter?的參數(shù)如下：

csv.DictWriter(
    f,
    fieldnames,
    restval='', extrasaction='raise',
    dialect='excel',
    *args, **kwds
)

與?csv.DictWriter?類似，fieldnames?指定所有的字段名稱，restval?用來指定當(dāng)指定字段有缺失值的時(shí)候用來填充的內(nèi)容，extrasaction?參數(shù)用來指定內(nèi)容缺少字段時(shí)的操作，默認(rèn)會(huì)?'raise'，即引發(fā)一個(gè)?ValueError?異常，可以設(shè)置為?'ignore'，對應(yīng)著忽略額外值，一個(gè)示例如下：

import csv

with open('names.csv', 'w', newline='') as output_file:
    fieldnames = ['first_name', 'last_name']
    writer = csv.DictWriter(output_file, fieldnames=fieldnames)
    # 將
    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'})

非標(biāo)準(zhǔn)格式的處理

有時(shí)候，csv 的文件可能不是標(biāo)準(zhǔn)的 csv 文件，無法直接讀取，這時(shí)候我們需要指定一些額外參數(shù)來處理這些情況，這種情況下需要用到?dialect?功能，這個(gè)功能包含若干類和若干函數(shù)來幫助我們實(shí)現(xiàn)我們的目的。

dialect

默認(rèn)情況下，三個(gè) dialect 類型是內(nèi)置的，分別是?'unix'、'excel'、和?'excel_tab'。'unix'?模式用來處理在 Unix 系統(tǒng)下生成的文件，而?'excel'?模式用來處理 excel 生成的 csv 文件，最后的?'excel_tab'?用來處理 excel 生成的制表符分割的文件，這三種預(yù)設(shè)已經(jīng)覆蓋了絕大多數(shù)的使用場景。

用戶可以使用 Dialect 類來自定格式的處理：

csv.register_dialect(
    'unixpwd',
    delimiter=',',
    quoting=csv.QUOTE_MINIMAL,
    quotechar='"',
    doublequote=True,
    escapechar=None,
    lineterminator='\r\n',
    skipinitialspace=False,
    strict=False
)

• name：自定義的格式名稱
• delimiter：用來分割各字段的字符，默認(rèn)為?,
• doublequote：沒啥用，看不懂，待補(bǔ)充
• escapechar：沒啥用，一般不用
• lineterminator：換行符，默認(rèn)是?'\r\n'
• quotechar：當(dāng)字段含有特殊字符是，用來引用的符號(hào)，默認(rèn)是?"，不用改，不常用
• quoting：加引號(hào)的行為，可以選擇?QUOTE_ALL、QUOTE_MINIMAL、QUOTE_NONNUMERIC、QUOTE_NONE?四種行為
• skipinitialspace：是否跳過分隔符后面的空格，默認(rèn)為?False
• strict：嚴(yán)格模式，如果為 True，文件格式不對的時(shí)候會(huì)報(bào)錯(cuò)終止，否則會(huì)強(qiáng)制讀取

使用方法就是先使用csv.register_dialect注冊一個(gè)自定義dialect，然后在reader里面指定它：

import csv
csv.register_dialect(
    'unixpwd',
    delimiter=':',
    quoting=csv.QUOTE_NONE,
    ...
)
with open('passwd', newline='') as f:
    reader = csv.reader(f, 'unixpwd')

Sniffer

正如它的名字，sniffer?提供了對格式的自動(dòng)檢測，并輸出一個(gè)?dialect，提供了兩個(gè)函數(shù)，分別是?has_header，用來檢測文件是否包含標(biāo)題行，和主函數(shù)?sniff，這里通過一個(gè)例子來學(xué)習(xí)它的使用：

with open('example.csv', newline='') as csvfile:
    # 通過文件的前1024行來確定文件的格式規(guī)范
    dialect = csv.Sniffer().sniff(csvfile.read(1024))
    # 將指針重置，從文件開始進(jìn)行讀取
    csvfile.seek(0)
    reader = csv.reader(csvfile, dialect)
    # ... process CSV file contents here ..