Python最主要的应用就是爬虫,即自动获取网页内容的程序。文件是网页内容的重要存储模式,如何利用Python读取文件呢?今天千锋老师就来给大家分享一下Python初学者教程中关于读取文件的有关知识。
大局部爬虫一般按照“发送恳求——取得页面——解析页面——抽取并贮存内容”的流程,想要读取信息,我们就要了解数据的存储方式,其中文件格式是比较常见的一种。
所谓文件格式,是指文件中存储信息的一种标准方法。首先,文件格式指定文件是一个二进制或ASCII文件。其次,文件展示了文件的组织形式,如CSV、XLSX等。
使用Python读取CSV文件
CSV格式属于电子表格文件格式,数据存储在单元格中,按照行和列结构进行组织。 CSV中的每一行代表一个观察,通常称为一条记录。每个记录可以包含一个或多个由逗号分隔的字段。你可以使用Notepad读取CSV文件,代码如下:
import pandas as pd
pf = pd.read_csv('train.csv')
使用Python读取TXT纯文本
在纯文本文件格式,一切都写在纯文本。TXT格式的文件可以很容易地通过任何程序进行读取,读取代码如下:
text_file = open("text.txt", "r")
lines = text_file.read()
使用Python读取ZIP文件