参考资料：csv模块官方文档
csv文件（Comma-Separated Values）是一种以逗号作为分隔符（当然也可以以其他字符作为分隔符）、以行为数据单位的纯文本数据文件，比如像下面这样的一个文件data.csv：
id,name,age,score
1001,Tom,21,89
1005,Jim,23,100
1002,张三,19,78
1003,Jane,20,93
1004,李四,24,94
data.csv用Excel也可以打开，打开的效果是这样的：
发现中文是乱码，那是因为
data.csv文件的编码格式是utf-8而不是GBK，转为GBK即可在Excel中正常显示中文。
那么在Python代码中怎样读取csv文件呢？又怎样把程序中的数据写入到csv文件中呢？Python自带的csv模块就可以完成这些事情，下面以一个示例来演示一下具体做法。
直接上代码
# coding:utf-8
# 读写csv文件
import csv
import sys
from collections import OrderedDict
import json
reload(sys)
sys.setdefaultencoding('utf-8')
def read_csv2dicts(csv_file_path, field_names = None):
'''
读取csv文件数据到到字典列表中，支持指定特定的列、指定特定的列顺序读取
:param csv_file_path: csv文件路径
:param field_names: 指定的列名列表
'''
with open(csv_file_path,'r') as csv_file:
# 读取csv文件表头列名列表
header_line = csv_file.readlines()[0]
headers = header_line.strip().split(',')
# 用二进制格式读取csv文件
with open(csv_file_path,'rb') as csv_file:
# 用csv文件对象构建reader对象，reader对象可以看作是多个字典的列表（每行一个字典）
reader = csv.DictReader(csv_file)
# 行数据列表（每行数据为一个有序字典）
datas = []
for row_dict in reader:
# 行数据JSON字符串
row_json_str = ''
# 使用有序字典，保持指定的列顺序
ordered_row_dict = OrderedDict()
# 根据指定的列名列表过滤
if field_names:
# 把原始行数据字典row_dict中的每个字段的数据按照field_names列表的顺序存入ordered_row_dict字典
for field in field_names:
ordered_row_dict[field] = row_dict[field]
# 因为csv模块只能正常处理ASCII字符，为了正常处理中文，这里还需要做个utf-8编码转换
row_json_str = json.dumps(ordered_row_dict).encode('utf-8')
# 不指定列名的情况，使用csv文件原有表头的列顺序
else:
# 指定顺序为原有表头顺序（注：如果不这样处理，csv会自动按照key的字典序进行排序）
for field in headers:
ordered_row_dict[field] = row_dict[field]
# 因为csv模块只能正常处理ASCII字符，为了正常处理中文，这里还需要做个utf-8编码转换
row_json_str = json.dumps(ordered_row_dict).encode('utf-8')
# 把当前行的数据字典对象添加到datas列表，字典保持原有顺序
datas.append(json.loads(row_json_str,object_pairs_hook = OrderedDict))
return datas
def write_dicts2csv(dicts,csv_file_path):
'''
把数据字典列表写入csv文件
:param dicts: 数据字典列表
:param csv_file_path: 要写入的csv文件路径
'''
with open(csv_file_path,'wb+') as csv_file:
# 获取表头列名列表
headers = dicts[0].keys()
writer = csv.DictWriter(csv_file,fieldnames = headers)
# 写入表头
writer.writeheader()
# 写入数据行
writer.writerows(dicts)
# 用法示例
def sample():
# 从csv文件读数据
datas = read_csv2dicts('./data.csv')
print json.dumps(datas,indent = 4)
# 写数据到csv文件
write_dicts2csv(datas,'./new_data.csv')
print 'all finish!'
if __name__ == '__main__':
sample()
运行上面代码，输出：
[
{
"id": "1001",
"name": "Tom",
"age": "21",
"score": "89"
},
{
"id": "1005",
"name": "Jim",
"age": "23",
"score": "100"
},
{
"id": "1002",
"name": "\u5f20\u4e09",
"age": "19",
"score": "78"
},
{
"id": "1003",
"name": "Jane",
"age": "20",
"score": "93"
},
{
"id": "1004",
"name": "\u674e\u56db",
"age": "24",
"score": "94"
}
]
all finish!
并在当前目录下生成了一个名为new_data.csv的文件，用notepad++打开该文件，其内容为：
id,name,age,score
1001,Tom,21,89
1005,Jim,23,100
1002,张三,19,78
1003,Jane,20,93
1004,李四,24,94
可以看到new_data.csv文件内容和原来的data.csv文件内容完全一样。
总结
用csv文件存储数据非常方便，其结构非常简单，对数据的读取和操作仅仅用Python的内置csv模块就可以轻松完成（上面的例子代码可以直接拿去用），而且数据以文件的形式存储，便于保存、读写、传输，是保存大量数据的不错选择。
上述代码已经上传到：我的GitHub
