Python 文件的读写和 json 、csv 的用法

读文件的三种方法:

In [12]: !nl b.txt
     1  今天天气不错
     2  挺风和日丽的

# read() 一次性读取整个文件生成一个字符串
In [13]: with open('b.txt') as f:
    ...:     data = f.read()
    ...:   
In [14]: data
Out[14]: '今天天气不错\n挺风和日丽的\n'

# readline() 读取文件的一行生成字符串
In [15]: with open('b.txt') as f:
    ...:     data1 = f.readline()
    ...:     data2 = f.readline()
    ...:     
In [16]: data1
Out[16]: '今天天气不错\n'
In [17]: data2
Out[17]: '挺风和日丽的\n'

# readlines() 一次性读取全部文件生成列表
# 原文件中每行都是列表的一个元素,每个元素都是字符串
In [18]: with open('b.txt') as f:
    ...:     data = f.readlines()
    ...:     
In [19]: data
Out[19]: ['今天天气不错\n', '挺风和日丽的\n']

JSON 的用法:

# 将数据写入文件,dumps 将数据变成字符串后写入
data = {'one': 'Kobe', 'two': 'James', 'three': 'Jordan'}
with open('filename', 'w') as f:
    f.write(json.dumps(data))

# 或者直接用 dump 方法
with open('filename', 'w') as f:
    json.dump(data, f)

# 读取文件,load 将文件数据(就是字符串)变成字典或列表
with open('filename') as f:
    data = json.load(f)

# 读取数据,loads 将字符串数据转换成字典或列表
In [84]: l = '["Kobe", "James", "Irving", "Nash"]'  # 注意引号的使用,单引号在外
In [85]: data = json.loads(l)
In [86]: data
Out[86]: ['Kobe', 'James', 'Irving', 'Nash']

# 读取文件并写入另一个文件
In [98]: !nl helloshiyanlou.json
     1  {
     2      "title": "Hello",
     3      "created_time": "12:00:00",
     4      "content": "Welcome to shiyanlou"
     5  }
In [99]: with open('helloshiyanlou.json') as f:
    ...:     with open('haha.json', 'w') as g:
    ...:         g.write(json.dumps(json.load(f)))
    ...:         
In [100]: !nl haha.json
     1  {"content": "Welcome to shiyanlou", "created_time": "12:00:00", "title": "Hello"}

CSV 的用法:

# 读取文件,用 reader 读取的结果是个迭代器,文件关闭后此迭代器无法读取数据
In [125]: !nl s.csv
     1  Symbol,Price,Date,Time,Change,Volume
     2  "AA",39.48,"6/11/2007","9:36am",-0.18,181800
     3  "AIG",71.38,"6/11/2007","9:36am",-0.15,195500
     4  "AXP",62.58,"6/11/2007","9:36am",-0.46,935000
     5  "BA",98.31,"6/11/2007","9:36am",+0.12,104800
     6  "C",53.08,"6/11/2007","9:36am",-0.25,360900
     7  "CAT",78.29,"6/11/2007","9:36am",-0.23,225400
In [126]: with open('s.csv') as f:
     ...:     data = csv.reader(f)
     ...:     
In [127]: isinstance(data, Iterator)
Out[127]: True
In [128]: next(data)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-128-8ad47eec7ca3> in <module>()
----> 1 next(data)
ValueError: I/O operation on closed file.

# 可以把读取到的数据转换成 tuple 或 list
# tuple 或 list 里每个元素都是列表,每个子列表里的元素都是字符串
In [129]: with open('s.csv') as f:
     ...:     data = list(csv.reader(f))
     ...:     
In [130]: data
Out[130]: 
[['Symbol', 'Price', 'Date', 'Time', 'Change', 'Volume'],
 ['AA', '39.48', '6/11/2007', '9:36am', '-0.18', '181800'],
 ['AIG', '71.38', '6/11/2007', '9:36am', '-0.15', '195500'],
 ['AXP', '62.58', '6/11/2007', '9:36am', '-0.46', '935000'],
 ['BA', '98.31', '6/11/2007', '9:36am', '+0.12', '104800'],
 ['C', '53.08', '6/11/2007', '9:36am', '-0.25', '360900'],
 ['CAT', '78.29', '6/11/2007', '9:36am', '-0.23', '225400']]

# 当然你可以在文件关闭前进行一些操作
In [131]: with open('s.csv') as f:
     ...:     data = csv.reader(f)
     ...:     for i in data:
     ...:         print(i)
     ...:         
['Symbol', 'Price', 'Date', 'Time', 'Change', 'Volume']
['AA', '39.48', '6/11/2007', '9:36am', '-0.18', '181800']
['AIG', '71.38', '6/11/2007', '9:36am', '-0.15', '195500']
['AXP', '62.58', '6/11/2007', '9:36am', '-0.46', '935000']
['BA', '98.31', '6/11/2007', '9:36am', '+0.12', '104800']
['C', '53.08', '6/11/2007', '9:36am', '-0.25', '360900']
['CAT', '78.29', '6/11/2007', '9:36am', '-0.23', '225400']

# 写入文件,writerow:写入一行;writerows:写入多行
# 不论之前的数据类型是什么,一律转换成字符串存入文件
In [151]: data
Out[151]: 
[['Symbol', 'Price', 'Date', 'Time', 'Change', 'Volume'],
 ['AA', '39.48', '6/11/2007', '9:36am', '-0.18', '181800'],
 ['AIG', '71.38', '6/11/2007', '9:36am', '-0.15', '195500'],
 ['AXP', '62.58', '6/11/2007', '9:36am', '-0.46', '935000'],
 ['BA', '98.31', '6/11/2007', '9:36am', '+0.12', '104800'],
 ['C', '53.08', '6/11/2007', '9:36am', '-0.25', '360900'],
 ['CAT', '78.29', '6/11/2007', '9:36am', '-0.23', '225400']]
In [152]: with open('t.csv', 'w') as f:
     ...:     csv.writer(f).writerows(data)
     ...:     
In [153]: !nl t.csv  # 注意这里虽然与 s.csv 有区别,但每个元素仍然都是字符串
     1  Symbol,Price,Date,Time,Change,Volume
     2  AA,39.48,6/11/2007,9:36am,-0.18,181800
     3  AIG,71.38,6/11/2007,9:36am,-0.15,195500
     4  AXP,62.58,6/11/2007,9:36am,-0.46,935000
     5  BA,98.31,6/11/2007,9:36am,+0.12,104800
     6  C,53.08,6/11/2007,9:36am,-0.25,360900
     7  CAT,78.29,6/11/2007,9:36am,-0.23,225400

# 在 Windows 中写入 csv 文件会出现空行,加个参数 newline='' 即可解决
In [192]: with open('t.csv', 'w', newline='') as f:
     ...:     csv.writer(f).writerows(data)
     ...:     
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352

推荐阅读更多精彩内容