python中的模块

一、json模块

json模块是python内置的库，在使用的时候直接导入就可以。
json模块的操作使用相对较为简单，该模块只有四个方法dump()、load()、dumps()、loads()。

作用：
json模块的主要功能是将序列化数据从文件里读取出来或者存入文件。

其中dump（）是将数据存入文件中；

load（）是用于读取文件；

而dumps()和loads()是对python对象进行操作。

dumps()是将一个Python对象序列化为JSON格式的字符串。这个函数通常用于将字典或其他Python数据结构转换为JSON字符串，以便在网络传输或存储时使用。

loads()是将json字符串解码成python对象。

json.dumps和json.dump的区别：

dump()不需要使用.write()方法，只需要写那个字典，那个文件即可； 而 dumps()需要使用.write()方法写入
如果把字典写到文件里面的时候，dump()好用；但是如果不需要操作文件，或需要把内容存储到数据库和excel，则需要使用dumps()先把字典转换成字符串，再写入。

1、json.dumps()

将python数据类型转换为json格式的字符串

import json

person = {"name": "小李", "sex": "男", "tel": ["8234588", "1244351"], "isonly": True}

jsonStr = json.dumps(person)
# 打开文件   在文件里写入转成的json串
with open('test.json', 'w', encoding='utf-8') as f:  
    f.write(jsonStr)  

2、json.dump()    

将python数据类型转换并保存到son格式文件内

 import json
 person = {"name": "小李", "sex": "男", "tel": ["8234588", "1244351"], "isonly": True}
 json.dump(person, open('data.json', 'w'), sort_keys=True, indent=4, separators=(',', ': '))
 

参数：

• sort_keys： 是否排序 indent： 定义缩进距离
• separators： 是一个元组，定义分隔符的类型
• skipkeys：是否允许json字串编码字典对象时 字典的key不是字符串类型

3、json.loads()

将json格式的字符串转换为python的类型

import json

# Python字典
person = {"name": "小李", "sex": "男", "tel": ["8234588", "1244351"], "isonly": True}
print(person)
print(type(person))

# Python字典转换为json字符串
jsonStr = json.dumps(person)
print(jsonStr)
print(type(jsonStr))

# json字符串再转换为Python字典
python_obj = json.loads(jsonStr)
print(python_obj)
print(type(python_obj))

文件操作：

import json

f = open('data.json', encoding='utf-8')
content = f.read()  # 使用loads()方法需要先读文件   # content是str类型
python_obj = json.loads(content)
print(python_obj)

4、json.load()  从文件中读取数据并转换为python的类型

从json格式的文件中读取数据并转换为python的类型

import json

python_obj = json.load(open('data.json','r'))
print(python_obj)
print(type(python_obj))  # 字典

输出：

{'name': 'nose', 'age': 37}
<class 'dict'>

json.load和json.loads()的区别

1. loads() 传的是json字符串，而 load() 传的是文件对象
2. 使用 loads() 时需要先读取文件在使用，而load() 则不用

二、random库

random库包含两类函数，常用的共8个
–基本随机函数： seed(), random()
–扩展随机函数：randint(), getrandbits(), uniform(), randrange(), choice(), shuffle()

三、csv 模块

csv 模块实现了 CSV 格式的表格数据的读写。

CSV (Comma Separated Values)，逗号分隔值 文件格式，其文件以纯文本的形式存储表格数据（数字和文本）。CSV 一般以换行符分隔每行数据，每行数据以逗号分隔多个字段值。

3.1、方法和类

1、读取csv文件

csv.reader(csvfile, dialect='excel', **fmtparams)

# 返回一个 CSV 文件的 reader 对象, <class '_csv.reader'>。
# csvfile 可以是任何可迭代对象, 只要迭代的元素为字符串 (一行 CSV 数据)。
# 每行数据以 由字段值组成的字符串列表 的形式迭代读取。

示例代码如下：

import csv

c1 = csv.reader(open("666.csv"))   
print(c1)   # c1存的是内存地址
print(type(c1))   # <class '_csv.reader'> csv文件的reader对象
for i in c1:  # 迭代读取所有行数据:csv文件的reader对象按照一行一行的去读取csv文件 
    print(i)  # csv文件的一行数据返回一个列表

注意：

一行字符串为一行数据（不考虑字段值中有’\n’），每行数据以 , 分隔。如果字段值中有 , 或 " 字符，则该字段值需要使用双引号 "value" 引起来，字段两边的双引号不会被解析为字段值的一部分，字段值中如果需要使用 " 字符，需要添加多一个 " 用于转义，即字段值中两个双引号 "" 解析时表示一个双引号 "。逗号分隔符两边空格默认会解析为字段值的一部分，空白行也会解析为一行（最后一行的’\n’不算）。

如demo.csv文件如下:

name,price,desc
Python,30.00,Python Book
Java,48.99,Java'Development
C,89,"Hello,World,""C"""
你好,,世界

上面文件解析成表格如下：

2、写入csv文件

csv.writer(csvfile, dialect='excel', **fmtparams)

# 返回一个 CSV 文件的 writer 对象 <class '_csv.writer'>。
# csvfile 可以是具有 write() 方法的任意对象。
# 每行数据通过 writerow() 方法以 由字段值组成的字符串列表 的形式写入。

示例代码如下：

import csv

with open("demo2.csv", "wt") as csvfile:
    writer = csv.writer(csvfile)
    
    writer.writerow(["name", "price", "desc"])
    writer.writerow(["Python", "88.99", "Hello Python"])
    
    # 写入包含特殊字符的字段值
    writer.writerow(["Java", "1234", " Java\nWorld 'AB',CD,EF\"XYZ\" "])
    
    rows = [
        ["Hello", None, "World"],   # None 将被解析为空字符串 ''
        ["你好", "1000", "世界"]
    ]
    writer.writerows(rows)          # 写入多行
 

demo2.csv 文件内容：

name,price,desc
Python,88.99,Hello Python
Java,1234," Java
World 'AB',CD,EF""XYZ"" "
Hello,,World
你好,1000,世界

3、以字典形式读写csv文件

class csv.DictReader(f, fieldnames=None, restkey=None, restval=None, dialect='excel', *args, **kwds)

# 创建一个 CSV 文件读取对象, f 为已用文本方式打开的可读 csv 文件。
#
# 该对象操作上与常规的 reader 类似，但将每一行数据都映射为一个 dict,
# 该 dict 的字段名由 fieldnames 字符串列表/序列 给出,
# 如果 fieldnames=None 则文件 f 的第一行中的值作为字段名。
#
# 如果某行中的 字段值 多于 fieldnames, 则剩余字段值被放入一个列表中, 并以 restKey 的值作为 key 保存到 dict。
# 如果某行中的 字段值 少于 fieldnames, 则剩余字段的值使用 restval 的值来填充。
#

class csv.DictWriter(f, fieldnames, restval='', extrasaction='raise', dialect='excel', *args, **kwds)

# 创建一个 CSV 文件写入对象, f 为已用文本方式打开的可写 csv 文件。
# 该对象操作上与常规的 writer 类似，但会将 dict 映射到输出行。
#
# fieldnames 为 字符串列表/序列, 用做表格的表头（第一行数据）。
#
# 每行数据通过 dict 的形式以 fieldnames 中的字段名顺序传递给 writerow() 方法写入。
#
# 如果传递给 writerow() 的 dict 缺少 fieldnames 中的键 (dict 中有数据缺失), 
# 则使用 restval 的值作为字段值。
#
# 如果传递给 writerow() dict 的某个键在 fieldnames 中找不到 (dict 中有多余数据), 
# 则根据 extrasaction 参数值决定要执行的操作, 
# 即 extrasaction='raise' 则抛出 ValueError, extrasaction='ignore' 则忽略。
# 
# 注意: 与 DictReader 不同, DictWriter 中的 fieldnames 是必选参数。
#
 

示例代码如下：

import csv

with open("demo3.csv", "rt") as csvfile:
    reader = csv.reader(csvfile)
    for row in reader:
        print(row)

with open("demo2.csv", "wt") as csvfile:
    # 定义表头字段, 创建 CSV 文件写入对象
    fieldnames = ["name", "price", "desc"]
    writer = csv.DictWriter(csvfile, fieldnames)

    # 写入第一行表头数据（必须最先写入）
    # 根据创建 writer 时传入的 fieldnames 列表写入
    writer.writeheader()

    # 写一行（根据 fieldnames 中的字段名排序）
    writer.writerow(
        {
            "name": "Python",
            "price": "99.88",
            "desc": "Hello Python",
        }
    )

    # 写入多行（根据 fieldnames 中的字段名排序）
    rows = [
        {
            "name": "Java",
            "price": "98.68",
            "desc": "Hello Java",
        },
        {
            "name": "C",
            "price": "1000",
            "desc": "Hello C",
        }
    ]
    writer.writerows(rows)
 

demo3.csv 文件内容：

name,price,desc
Python,99.88,Hello Python
Java,98.68,Hello Java
C,1000,Hello C