查看原文
其他

基础知识 | 使用 Python 将数据写到 CSV 文件

猴哥 极客猴 2018-10-28

题图:by _seo_hanbit from Instagram

我们从网上爬取数据,最后一步会考虑如何存储数据。如果数据量不大,往往不会选择存储到数据库,而是选择存储到文件中,例如文本文件、CSV 文件、xls 文件等。因为文件具备携带方便、查阅直观。


Python 作为胶水语言,搞定这些当然不在话下。但在写数据过程中,经常因数据源中带有中文汉字而报错。最让人头皮发麻的编码问题。


我先说下编码相关的知识。编码方式有很多种:UTF-8, GBK, ASCII 等。


ASCII 码是美国在上个世纪 60 年代制定的一套字符编码。主要是规范英语字符和二进制位之间的关系。英语词汇组成简单,由 26 个字母构成。使用一个字节就能表示一个字母符号。外加各种符号,使用 128 个字符就满足编码要求


不同国家有不同语言文字。同时,文字组成部分的数量相比英语字母要多很多。根据不完全统计,汉字的数量大约将近 10 万个,日常所使用的汉字有 3000 个。显然,ASCII 编码无法满足需求。所以汉字采用 GBK 编码,使用两个字节表示一个汉字。简体中文的编码方式是 GBK2312。


那 UTF-8 又是什么编码?这要先说 Unicode 了。Unicode 目的是为了统一各种编码。因为各国都各自的编码方式。如果使用一种编码编码,使用另一种编码解码。这会造成出现乱码的情况。但 Unicode 只是一个符号集,它只规定了符号的二进制代码,却没有规定这个二进制代码应该如何存储。UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式


因此,如果我们要写数据到文件中,最好指定编码形式为 UTF-8


Python 标准库中,有个名为 csv 的库,专门处理 csv 的读写操作。具体使用实例如下:

import csv
import codecs
# codecs 是自然语言编码转换模块

fileName = 'PythonBook.csv'

# 指定编码为 utf-8, 避免写 csv 文件出现中文乱码
with codecs.open(fileName, 'w', 'utf-8') as csvfile:
   # 指定 csv 文件的头部显示项
   filednames = ['书名', '作者']
   writer = csv.DictWriter(csvfile, fieldnames=filednames)

   books = []
   book = {
       'title': '笑傲江湖',
       'author': '金庸',
   }
   books.append(book)

   writer.writeheader()
   for book in books:
       try:
           writer.writerow({'书名':book['title'], '作者':book['author']})
       except UnicodeEncodeError:
           print("编码错误, 该数据无法写到文件中, 直接忽略该数据")


这种方式是逐行往 CSV 文件中写数据, 所以效率会比较低。如果想批量将数据写到 CSV 文件中,需要用到 pandas 库。


pandas 是第三方库,所以使用之前需要安装。通过 pip 方式安装是最简单、最方便的。

pip install pandas


使用 pandas 批量写数据的用法如下:

import pandas as pd

fileName = 'PythonBook.csv'
number = 1

books = []
book = {
   'title': '笑傲江湖',
   'author': '金庸',
}
# 如果 book 条数足够多的话,pandas 会每次往文件中写 50 条数据。
books.append(book)

data = pd.DataFrame(books)
# 写入csv文件,'a+'是追加模式
try:
   if number == 1:
       csv_headers = ['书名', '作者']
       data.to_csv(fileName, header=csv_headers, index=False, mode='a+', encoding='utf-8')
   else:
       data.to_csv('fileName, header=False, index=False, mode='a+', encoding='utf-8')
       number = number + 1
except UnicodeEncodeError:
   print("编码错误, 该数据无法写到文件中, 直接忽略该数据")


推荐阅读:

想做 Python Web 开发,需要掌握哪些技能?

我爬取豆瓣影评,告诉你《复仇者联盟3》在讲什么?

数据库种类那么多,该如何选择?

爬虫与反爬虫的博弈

爬虫系列的总结


END



不积跬步,无以至千里




如果你觉得文章还不错,请大家点赞分享下。

你的肯定是我最大的鼓励和支持。



文章已于修改

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存