一步一步学爬虫（4）数据存储之CSV文件存储

4.3 CSV文件存储

• CSV，全称Comma-Separated Values，中文叫做逗号分隔值或字符分隔值，其文件以纯文本形式存储表格数据。CSV文件是一个字符序列，可以由任意数目的记录组成，各条记录以某种换行符分隔开。每条记录都由若干字段组成，字段间的分隔是其他字符或字符串，最常见的是逗号或制表符。不过所有记录都有完全相同的字段序列，相当于一个结构化表的纯文本形式。它比Excel文件更加简洁，XLS文本是电子表格，包含文本、数值、公式和格式等内容，CSV中则不包含这些，就是以特定字符作为分隔符的纯文本，结构简单清晰。所以，有时候使用CSV来存储数据是比较方便的。本节我们就来讲解Python读取数据和将数据写入CSV文件的过程。

4.3.1 写入

• 这里先看一个简单例子：

  import csv
  with open('data.csv','w') as csvfile:
      writer = csv.writer(csvfile)
      writer.writerow(['id','name','age'])
      writer.writerow(['1001','Mike',20])
      writer.writerow(['1002','Bob',22])
      writer.writerow(['1003','Jordan',21])
  

• 这里首先打开 data.csv文件，然后指定打开的模式为w(即写人)，获得文件句柄，随后调用csv库的 writer 方法初始化写人对象，传人该句柄，然后调用 writerow 方法传入每行的数据，这样便完成了写入。

• 运行结束后，会生成一个名为 data.csv 的文件，此时数据就成功写入了。直接以文本形式打开，会显示如下内容:

  id,name,age
  10001,Mike,20
  10002,Bob,22
  10003,lordan,21
  

• 可以看到，写人 CSV文件的文本默认以逗号分隔每条记录，每调用一次 writerow 方法即可写入一行数据。用Excel 打开 data.csv文件的结果如图所示：
  

• 如果想修改列与列之间的分隔符，可以传入delimiter 参数，其代码如下:

  import csv
  with open('data.csv','w') as csvfile:
      writer = csv.writer(csvfile, delimiter='')
      writer.writerow(['id','name','age'])
      writer.writerow(['1001','Mike',20])
      writer.writerow(['1002','Bob',22])
      writer.writerow(['1003','Jordan',21])
  

• 这里在初始化写入对象时，将空格传入了 delimiter参数。此时输出结果中的列与列之间就是空格分隔了，内容如下:

  id name age
  10001 Mike 20
  10002 Bob 22
  10003 Jordan 21
  

• 另外，我们也可以调用 writerows 方法同时写入多行，此时参数需要传入二维列表，例如:

  import csv
  with open('data.csv', 'w') as csvfile:
      writer = csv.writer(csvfile)
      writer.writerow(['id','name','age'])
      writer.writerows([['1001','Mike',20],['1002','Bob',22],['1003','Jordan',21]])
  

• 注意，这里除了用到writerows方法，后面加的内容，还要用中括号[]括起来。

• 输出结果是相同的，内容如下:

  id,name,age
  10001,Mike,20
  10002,Bob,22
  10003,lordan,21
  

• 但是一般情况下，爬虫爬取的都是结构化数据。我们一般会用字典表示这种数据。csv库也提供了字典的写人方式，实例如下:

import csv
with open('data.csv', 'w') as csvfile:
    filenames = ['id','name','age']
    writer = csv.DictWriter(csvfile, fieldnames=filenames)
    writer.writeheader()
    writer.writerow({'id':'10001','name':'Mike','age': 20}) 
    writer.writerow({'id':'10002','name':'Bob','age': 22})   
    writer.writerow({'id':'10003','name':'Jordan','age': 21})  

• 这里先定义了3个字段，用fieldnames表示，然后将其传给DictWriter方法以初始化一个字典写入对象、并将对象赋给writer变量。接着调用写入了对象的writeheader方法先写入头信息，再调用writerow方法传入了相应字典。最终写入的结果和之前是完全相同的。内容如下:

  id,name,age
  10001,Mike,20
  10002,Bob,22
  10003,lordan,21
  

• 这样就把字典写人了 CSV 文件中

• 另外，如果想追加写人，可以修改文件的打开模式，即把 open 函数的第二个参数改成a，代码如下:

  import csv
  with open('data.csv', 'w') as csvfile:
      filenames = ['id','name','age']
      writer = csv.DictWriter(csvfile, fieldnames=filenames)	    writer.writerow({'id':'10004','name':'Durant','age': 22}) 
  

• 这样再次执行这段代码，文件内容便会变

  id,name,age
  10001,Mike,20
  10002,Bob,22
  10003,lordan,21
  10004,Durant,22
  

• 由结果可见，数据被追加写人到了文件中。

• 如果要写人中文内容，我们知道可能会遇到字符编码的问题，此时需要给 open 参数指定编码格式。例如，这里再写入一行包含中文的数据，代码改写如下:

  import csv
  with open('data.csv', 'w') as csvfile:
      filenames = ['id','name','age']
      writer = csv.DictWriter(csvfile, fieldnames=filenames)
      writer.writeheader()
      writer.writerow({'id':'10004','name':'王伟','age': 22})  
  

• 这里要是没有给 open 函数指定编码，可能会发生编码错误。

• 另外，如果接触过 pandas 等库，可以调用 DataFrame 对象的 to_csv 方法将数据写人CSV文件中。

• 这种方法需要安装pandas库，安装命令为：
  pip3 install pandas

• 安装完成之后，我们便可以使用 pandas 库将数据保存为 CSV 文件，实例代码如下:

  import pandas as pd
  data = [
      {'id':'10001','name':'Mike','age': 20}, 
      {'id':'10002','name':'Bob','age':22}, 
      {'id':'10003','name':'Jordan','age':21},
  ]
  df = pd.DataFrame(data)
  df.to_csv('data.csv', index=False)
  

• 这里我们先定义了几条数据，每条数据都是一个字典，然后将其组合成一个列表，赋值为 data。紧接着我们使用 pandas 的DataFrame 类新建了一个 DataFrame 对象，参数传人 data，并把该对象赋值为df。最后我们调用 df 的 to_csv 方法也可以将数据保存为 CSV 文件。

4.3.2 读取

• 我们同样可以使用 csv 库来读取 CSV 文件。例如，将刚才写入的文件内容读取出来，相关代码如下:

  import csv
  with open('data.csv', 'r', encoding='utf-8') as csvfile:
      reader = csv.reader(csvfile) 
      for row in reader:
          print(row)
  

• 运行结果如下:

  ['id', 'name', 'age']
  ['10001', 'Mike', '20']
  ['10002', 'Bob', '22']
  ['10003', 'Jordan', '21']
  

• 这里我们构造的是 Reader 对象，通过遍历输出了文件中每行的内容，每一行都是一个列表。注意，如果 CSV 文件中包含中文，还需要指定文件编码。

• 另外，我们也可以使用 pandas 的 read_csv 方法将数据从 CSV 文件中读取出来，例如:

  import pandas as pd
  df = pd.read_csv('data.csv') 
  print(df)
  

• 运行结果如下:

  id name age 
  0 10001 Mike  20 
  1 10002 Bob   22 
  2 10003 ordan 21
  

• 这里的 df 实际上是一个 DataFrame 对象，如果你对此比较熟悉，则可以直接使用它完成一些数据的分析处理。如果只想读取文件里面的数据，可以把 df 再进一步转化为列表或者元组，实例代码如下:

  import pandas as pd
  df = pd.read_csv('data.csv') 
  data = df.values.tolist() 
  print(data)
  

• 这里我们调用了df的values属性，再调用tolist方法，即可将数据转化为列表形式，运行结果如下：

  [[10001, 'Mike', 20], [10002, 'Bob', 22], [10003, 'Jordan', 21]]
  

• 另外，直接对df进行逐行遍历，同样能得到列表类型的结果，代码如下：

  import pandas as pd
  df = pd.read_csv('data.csv') 
  for index, row in df.iterrows():
      print(row.tolist())
  

• 运行结果如下：

  [10001, 'Mike', 20]
  [10002, 'Bob', 22]
  [10003, 'Jordan', 21]
  

• 可以看到，我们同样获取了列表类型的结果。

4.3.3 总结

• 本节中，我们了解了CSV文件的写入和读取方式。这也是一种常用的数据存储方式，需要熟练掌握。