CSV：CSV文件的读写库

CSV 格式的全称是 Comma Separated Values，意思是逗号分割的数据，是最常见的电子表格和数据库的导出格式之一，在 RFC 4180 中已经成为了一种标准格式。Python 中提供了一个官方的标准库来处理这种文件类型，那就是 CSV 库。

官方文档在此：CSV

文件的基本读写

文件的读写主要使用 csv.reader 和 csv.writer 来完成，它的定义如下：

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

1. csvfile：返回字符串的迭代器，一般是 open 函数返回的文件对象
2. dialect：用来读取非标准 csv 格式的指定参数，这部分参考下文
3. **fmtparams：用来指定格式的参数，这部分的详细参数参考下文

最简单、最常用的使用方法是将 open 函数返回的文件对象直接丢给 csv.reader 就会得到一个每次返回一个拆分后的字符串列表的迭代器：

import csv
with open('file.csv', 'r') as input_file:
    file_content = csv.reader(input_file, delemiter=',')
    for row in file_content:
        # code here
        pass

类似地，对文件的写操作与原生方法类似：

import csv
with open('file.csv', 'w', newline='') as output_file:
    file_writer = csv.writer(output_file, delimiter=',')
    file_writer.writerow(['Spam'] * 5 + ['Baked Beans'])
    file_writer.writerow(['Spam', 'Lovely Spam', 'Wonderful Spam'])

用字典模式处理数据

有时候，我们可能需要将数据读取成字典（例如要上传到 MongoDB 的时候），这时候我们可以使用 csv.DictReader 将表格形式的数据读取为字典形式的数据。

这个函数的参数如下：

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

1. f：可迭代对象或者文件对象
2. fieldnames：一个有序列表，代表字典中的字段（一般是文件的列名），如果不指定，就用文件的第一行的字符串来作为字段的名字
3. restkey：如果列名的数量少于内容的列数，那么剩下的列就会被统一放到一个字段里，这里的 restkey 就是这个字段的名字，默认为 None
4. restval：与 restkey 类似，如果内容的列数少于列名的数量，那么内容中缺少的列就会被填充，这个参数指定用来填充的值，默认为 None
5. 其他的参数与 csv.reader 相同

一个简单的示例如下：

import csv
with open('file.csv') as input_file:
    reader = csv.DictReader(input_file)
    for row in reader:
        print(row['first_name'], row['last_name'])

# Eric Idle
# John Cleese

print(row)
# {'first_name': 'John', 'last_name': 'Cleese'}

类似地，字典的写通过 csv.DictWriter 来完成，这个函数将字典类型的数据输出为表格形式的数据，csv.DictWriter 的参数如下：

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

与 csv.DictWriter 类似，fieldnames 指定所有的字段名称，restval 用来指定当指定字段有缺失值的时候用来填充的内容，extrasaction 参数用来指定内容缺少字段时的操作，默认会 'raise'，即引发一个 ValueError 异常，可以设置为 'ignore'，对应着忽略额外值，一个示例如下：

import csv

with open('names.csv', 'w', newline='') as output_file:
    fieldnames = ['first_name', 'last_name']
    writer = csv.DictWriter(output_file, fieldnames=fieldnames)
    # 将
    writer.writeheader()
    writer.writerow({'first_name': 'Baked', 'last_name': 'Beans'})
    writer.writerow({'first_name': 'Lovely', 'last_name': 'Spam'})
    writer.writerow({'first_name': 'Wonderful', 'last_name': 'Spam'})

非标准格式的处理

有时候，csv 的文件可能不是标准的 csv 文件，无法直接读取，这时候我们需要指定一些额外参数来处理这些情况，这种情况下需要用到 dialect 功能，这个功能包含若干类和若干函数来帮助我们实现我们的目的。

dialect

默认情况下，三个 dialect 类型是内置的，分别是 'unix'、'excel'、和 'excel_tab'。'unix' 模式用来处理在 Unix 系统下生成的文件，而 'excel' 模式用来处理 excel 生成的 csv 文件，最后的 'excel_tab' 用来处理 excel 生成的制表符分割的文件，这三种预设已经覆盖了绝大多数的使用场景。

用户可以使用 Dialect 类来自定格式的处理：

csv.register_dialect(
    'unixpwd',
    delimiter=',',
    quoting=csv.QUOTE_MINIMAL,
    quotechar='"',
    doublequote=True,
    escapechar=None,
    lineterminator='\r\n',
    skipinitialspace=False,
    strict=False
)

1. name：自定义的格式名称
2. delimiter：用来分割各字段的字符，默认为 ,
3. doublequote：没啥用，看不懂，待补充
4. escapechar：没啥用，一般不用
5. lineterminator：换行符，默认是 '\r\n'
6. quotechar：当字段含有特殊字符是，用来引用的符号，默认是 "，不用改，不常用
7. quoting：加引号的行为，可以选择 QUOTE_ALL、QUOTE_MINIMAL、QUOTE_NONNUMERIC、QUOTE_NONE 四种行为
8. skipinitialspace：是否跳过分隔符后面的空格，默认为 False
9. strict：严格模式，如果为 True，文件格式不对的时候会报错终止，否则会强制读取

使用方法就是先使用csv.register_dialect注册一个自定义dialect，然后在reader里面指定它：

import csv
csv.register_dialect(
    'unixpwd',
    delimiter=':',
    quoting=csv.QUOTE_NONE,
    ...
)
with open('passwd', newline='') as f:
    reader = csv.reader(f, 'unixpwd')

Sniffer

正如它的名字，sniffer 提供了对格式的自动检测，并输出一个 dialect，提供了两个函数，分别是 has_header，用来检测文件是否包含标题行，和主函数 sniff，这里通过一个例子来学习它的使用：

with open('example.csv', newline='') as csvfile:
    # 通过文件的前1024行来确定文件的格式规范
    dialect = csv.Sniffer().sniff(csvfile.read(1024))
    # 将指针重置，从文件开始进行读取
    csvfile.seek(0)
    reader = csv.reader(csvfile, dialect)
    # ... process CSV file contents here ..