----用教授的方式学习。
目录
8.1结构化的文本文件
结构化的文本有很多格式,区别它们的方法如下所示。
• 分隔符,比如 tab('\t')、逗号(',')或者竖线('|')。逗号分隔值(CSV)就是这样的例子。
• '<' 和 '>' 标签,例如 XML 和 HTML。
• 标点符号,例如 JavaScript Object Notation(JSON2 )。
• 缩进,例如 YAML(即 YAML Ain't Markup Language 的缩写),要了解更多可以去搜索。
• 混合的,例如各种配置文件。
每一种结构化文件格式都能够被至少一种 Python 模块读写。
8.1.1 CSV
你可以人工读入 CSV 文件,每一次读取一行,在逗号分隔符处将每行分开,并添加结果到某些数据结构中,例如列表或者字典。但是,最好使用标准的 csv 模块,因为这样切分会得到更加复杂的信息。
• 除了逗号,还有其他可代替的分隔符:'|' 和 '\t' 很常见。
• 有些数据会有转义字符序列,如果分隔符出现在一块区域内,则整块都要加上引号或者在它之前加上转义字符。
• 文件可能有不同的换行符,Unix 系统的文件使用 '\n',Microsoft 使用 '\r\n',Apple之前使用 '\r' 而现在使用 '\n'。
• 在第一行可以加上列名。
首先读和写一个列表的行,每一行包含很多列:
>>> import csv >>> villains = [ ... ['Doctor', 'No'], ... ['Rosa', 'Klebb'], ... ['Mister', 'Big'], ... ['Auric', 'Goldfinger'], ... ['Ernst', 'Blofeld'], ... ] >>> with open('villains', 'wt') as fout: # 一个上下文管理器 ... csvout = csv.writer(fout) ... csvout.writerows(villains) |
数据可以是字典的集合(a list of dictionary),不仅仅是列表的集合(a list of list)。这次使用新函数 DictReader() 读取文件 villains,并且指定每一列的名字:
>>> import csv >>> with open('villains', 'rt') as fin: ... cin = csv.DictReader(fin, fieldnames=['first', 'last']) ... villains = [row for |