分析Python中解析构建数据知识
Python 可以通过各种库去解析我们常见的数据。其中 csv 文件以纯文本形式存储表格数据,以某字符作为分隔值,通常为逗号;xml 可拓展标记语言,很像超文本标记语言 Html ,但主要对文档和数据进行结构化处理,被用来传输数据;json 作为一种轻量级数据交换格式,比 xml 更小巧但描述能力却不差,其本质是特定格式的字符串;Microsoft Excel 是电子表格,可进行各种数据的处理、统计分析和辅助决策操作,其数据格式为 xls、xlsx。接下来主要介绍通过 Python 简单解析构建上述数据,完成数据的“珍珠翡翠白玉汤”。
Python 解析构建 csv
通过标准库中的 csv 模块,使用函数 reader()、writer() 完成 csv 数据基本读写。
import csv with open('readtest.csv', newline='') as csvfile: reader = csv.reader(csvfile) for row in reader: print(row) with open('writetest.csv', 'w', newline='') as csvfile: writer = csv.writer(csvfile) writer.writerrow("onetest") writer.writerows("someiterable")
其中 reader() 返回迭代器, writer() 通过 writerrow() 或 writerrows() 写入一行或多行数据。两者还可通过参数 dialect 指定编码方式,默认以 excel 方式,即以逗号分隔,通过参数 delimiter 指定分隔字段的单字符,默认为逗号。
在 Python3 中,打开文件对象 csvfile ,需要通过 newline='' 指定换行处理,这样读取文件时,新行才能被正确地解释;而在 Python2 中,文件对象 csvfile 必须以二进制的方式 'b' 读写,否则会将某些字节(0x1A)读写为文档结束符(EOF),导致文档读取不全。
除此之外,还可使用 csv 模块中的类 DictReader()、DictWriter() 进行字典方式读写。
import csv with open('readtest.csv', newline='') as csvfile: reader = csv.DictReader(csvfile) for row in reader: print(row['first_test'], row['last_test']) with open('writetest.csv', 'w', newline='') as csvfile: fieldnames = ['first_test', 'last_test'] writer = csv.DictWriter(csvfile, fieldnames=fieldnames) writer.writeheader() writer.writerow({'first_test': 'hello', 'last_test': 'wrold'}) writer.writerow({'first_test': 'Hello', 'last_test': 'World'}) #writer.writerows([{'first_test': 'hello', 'last_test': 'wrold'}, {'first_test': 'Hello', 'last_test': 'World'}])
其中 DictReader() 返回有序字典,使得数据可通过字典的形式访问,键名由参数 fieldnames 指定,默认为读取的第一行。
DictWriter() 必须指定参数 fieldnames 说明键名,通过 writeheader() 将键名写入,通过 writerrow() 或 writerrows() 写入一行或多行字典数据。
Python 解析构建 xml
通过标准库中的 xml.etree.ElementTree 模块,使用 Element、ElementTree 完成 xml 数据的读写。
from xml.etree.ElementTree import Element, ElementTree root = Element('language') root.set('name', 'python') direction1 = Element('direction') direction2 = Element('direction') direction3 = Element('direction') direction4 = Element('direction') direction1.text = 'Web' direction2.text = 'Spider' direction3.text = 'BigData' direction4.text = 'AI' root.append(direction1) root.append(direction2) root.append(direction3) root.append(direction4) #import itertools #root.extend(chain(direction1, direction2, direction3, direction4)) tree = ElementTree(root) tree.write('xmltest.xml')
写 xml 文件时,通过 Element() 构建节点,set() 设置属性和相应值,append() 添加子节点,extend() 结合循环器中的 chain() 合成列表添加一组节点,text 属性设置文本值,ElementTree() 传入根节点构建树,write() 写入 xml 文件。
import xml.etree.ElementTree as ET tree = ET.parse('xmltest.xml') #from xml.etree.ElementTree import ElementTree #tree = ElementTree().parse('xmltest.xml') root = tree.getroot() tag = root.tag attrib = root.attrib text = root.text direction1 = root.find('direction') direction2 = root[1] directions = root.findall('.//direction') for direction in root.findall('direction'): print(direction.text) for direction in root.iter('direction'): print(direction.text) root.remove(direction2)
读 xml 文件时,通过 ElementTree() 构建空树,parse() 读入 xml 文件,解析映射到空树;getroot() 获取根节点,通过下标可访问相应的节点;tag 获取节点名,attrib 获取节点属性字典,text 获取节点文本;find() 返回匹配到节点名的第一个节点,findall() 返回匹配到节点名的所有节点,find()、findall() 两者都仅限当前节点的一级子节点,都支持 xpath 路径提取节点;iter() 创建树迭代器,遍历当前节点的所有子节点,返回匹配到节点名的所有节点;remove() 移除相应的节点。
除此之外,还可通过 xml.sax、xml.dom.minidom 去解析构建 xml 数据。其中 sax 是基于事件处理的;dom 是将 xml 数据在内存中解析成一个树,通过对树的操作来操作 xml;而 ElementTree 是轻量级的 dom ,具有简单而高效的API,可用性好,速度快,消耗内存少,但生成的数据格式不美观,需要手动格式化。
Python 解析构建 json
通过标准库中的 json 模块,使用函数 dumps()、loads() 完成 json 数据基本读写。
>>> import json >>> json.dumps(['foo', {'bar': ('baz', None, 1.0, 2)}]) '["foo", {"bar": ["baz", null, 1.0, 2]}]' >>> json.loads('["foo", {"bar":["baz", null, 1.0, 2]}]') ['foo', {'bar': ['baz', None, 1.0, 2]}]
json.dumps() 是将 obj 序列化为 json 格式的 str,而 json.loads() 是反向操作。其中 dumps() 可通过参数 ensure_ascii 指定是否使用 ascii 编码,默认为 True;通过参数 separators=(',', ':') 指定 json 数据格式中的两种分隔符;通过参数 sort_keys 指定是否使用排序,默认为 False。
除此之外,还可使用 json 模块中的函数 dump()、load() 进行 json 数据读写。
import json with open('jsontest.json', 'w') as jsonfile: json.dump(['foo', {'bar': ('baz', None, 1.0, 2)}], jsonfile) with open('jsontest.json') as jsonfile: json.load(jsonfile)
功能与 dumps()、loads() 相同,但接口不同,需要与文件操作结合,多传入一个文件对象。
Python 解析构建 excel
通过 pip 安装第三方库 xlwt、xlrd 模块,完成 excel 数据的读写。
import xlwt wbook = xlwt.Workbook(encoding='utf-8') wsheet = wbook.add_sheet('sheet1') wsheet.write(0, 0, 'Hello World') wbook.save('exceltest.xls')
写 excel 数据时,通过 xlwt.Workbook() 指定编码格式参数 encoding 创建工作表,add_sheet() 添加表单,write() 在相应的行列单元格中写入数据,save() 保存工作表。
import xlrd rbook = xlrd.open_workbook('exceltest.xls') rsheet = book.sheets()[0] #rsheet = book.sheet_by_index(0) #rsheet = book.sheet_by_name('sheet1') nr = rsheet.nrows nc = rsheet.ncols rv = rsheet.row_values(0) cv = rsheet.col_values(0) cell = rsheet.cell_value(0, 0)
读 excel 数据时,通过 xlrd.open_workbook() 打开相应的工作表,可使用列表下标、表索引 sheet_by_index()、表单名 sheet_by_name() 三种方式获取表单名,nrows 获取行数,ncols 获取列数,row_values() 返回相应行的值列表,col_values() 返回相应列的值列表,cell_value() 返回相应行列的单元格值。