这里有新鲜出炉的 Python3 官方中文指南, 程序狗速度看过来!
Python 编程语言
Python 是一种面向对象, 解释型计算机程序设计语言, 由 Guido van Rossum 于 1989 年底发明, 第一个公开发行版发行于 1991 年. Python 语法简洁而清晰, 具有丰富和强大的类库. 它常被昵称为胶水语言, 它能够把用其他语言制作的各种模块 (尤其是 C/C++) 很轻松地联结在一起.
本篇文章给大家讲述一下 Python 中解析构建数据知识的相关内容, 有需要的朋友跟着学习下.
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.
来源: http://www.phperz.com/article/18/0129/362962.html