用 Python 将数据写到 CSV 文件 - 文章 - 开发者社区

picture.image

-- Illustrations by Romain Trystram --

作者：极客猴，热衷于 Python，目前擅长利用 Python 制作网络爬虫以及 Django 框架。

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")