Python 各种格式文件转换
- txt文本文件
- csv文件
- xml文件
- html文件
- json文件
- yaml文件
- properties文件
- ini/cfg文件
- xml文件
一、CSV
- 写入csv文件
import csv
villains = [['Doctor', 'No'],['Rosa', 'Klebb'],['Mister', 'Big'],['Auric', 'Goldfinger'],['Ernst', 'Blofeld']
]
with open('villains', 'wt') as fout:csvout = csv.writer(fout)csvout.writerows(villains)
- 读取csv文件
# 读取csv文件
import csv
with open('villains', 'rt') as fin:cin = csv.reader(fin)villains = [row for row in cin]print(villains)
- 使用DictWriter指定列名
import csv
villains = [{'first': 'Doctor', 'last': 'No'},{'first': 'Rosa', 'last': 'Klebb'},{'first': 'Mister', 'last': 'Big'},{'first': 'Auric', 'last': 'Goldfinger'},{'first': 'Ernst', 'last': 'Blofeld'}
]
with open('villains.txt', 'wt') as fout:cout = csv.DictWriter(fout, ['first', 'last'])cout.writeheader()cout.writerows(villains)
- 使用DictReader指定列名
# 读取csv文件
import csv
with open('villains', 'rt') as fin:cin = csv.DictReader(fin, fieldnames=['first', 'last'])villains = [row for row in cin]print(villains)
二、XML
menu.xml
<?xml version="1.0"?>
<menu><breakfast hours="7-11"><item price="$6.00">breakfast burritos</item><item price="$4.00">pancakes</item></breakfast><lunch hours="11-3"><item price="$5.00">hamburger</item></lunch><dinner hours="3-10"><item price="$8.00">spaghetti</item></dinner>
</menu>
使用标准库ElementTree解析menu.xml
import xml.etree.ElementTree as et
tree = et.ElementTree(file='menu.xml')
root = tree.getroot()
print(root.tag)
for child in root:print('tag:', child.tag, ',attributes', child.attrib)for gradchild in child:print('\ttag:', gradchild.tag, ',attributes:', gradchild.attrib)
xml第三方库
xml.dom:将整个xml载入内存读取。
Xml.sax:动态解析xml，不用一次性载入内存。
三、HTML
使用Flask、Django等Web框架和jinja2等模版渲染引擎向浏览器渲染html文件内容。
四、JSON
python字典转换为json字符串
menu = {"breakfast": {"hours": "7-11","items": {"breakfast burritos": "$6.00","pancakes": "$4.00"}},"lunch": {"hours": "11-3","items": {"hamburger": "$5.00"}},"dinner": {"hours": "3-10","items": {"spaghetti": "$8.00"}}
}import json
menu_json = json.dumps(menu)
print(menu_json)
json字符串转换为python字典
menus = '{"breakfast": {"hours": "7-11", "items": {"breakfast burritos": "$6.00", "pancakes": "$4.00"}}, "lunch": {"hours": "11-3", "items": {"hamburger": "$5.00"}}, "dinner": {"hours": "3-10", "items": {"spaghetti": "$8.00"}}}'
menu2 = json.loads(menus)
print(menu2)
关于datetime类型
import datetime
import json
now = datetime.datetime.utcnow()
json.dumps(now, default=str)
五、YAML
Python标准库尚未包含yaml相关的库进行操作，需要使用第三方库yaml。
mcintyre.yml
name:first: Jameslast: McIntyre
dates:birth: 1828-05-25death: 1906-03-31
details:bearded: truethemes: [cheese, Canada]
poems:- title: 'Motto'text: |Politeness, perseverance and pluck,To their possessor will bring good luck- title: 'Canadian Charms'text: |Here industry is not in vain,For we hava bounteous crops of grainAnd you behold on every field Of grass and roots abundant yield,But after all the greatest charmIs the snug home upon the farm,And stone walls now keep cattle warm.
加载yaml
import yaml
with open('mcintyre.yaml', 'rt') as fin:text = fin.read()
data = yaml.safe_load(text, Loader=yaml.FullLoader)
print(data)
六、tablib
tablib可以处理CSV、JSON、YAML格式的表格数据，以及Microsoft Excel、Pandas DataFrame等一些其他格式
$ pip install tablib
七、Pandas
Pandas是用于结构化数据的Python库，可作为处理显示数据问题的绝佳工具。
-
读写多种文本和二进制文件格式
-
CSV格式
-
固定宽度文本
-
Excel
-
JSON
-
HTML
-
SQL
-
HDF5
-
其他
-
分组、分割、合并、索引、切片、排序、选择、标记
-
转换数据类型
-
修改大小或塑形
-
处理丢失的数据
-
生成随机值
-
管理时间序列
read函数会返回DataFrame对象，这是Pandas对于二维数据（行和列）的标准表示，在某些方面类似于电子表格或关系数据库表，对于一维数据Pandas使用Series对象表示。
读取csv
import pandas
data = pandas.read_csv('villains.txt')
print(data)
变量data就是一个DataFrame对象，它特别适用于使用NumPy进行繁重的数值运算以及机器学习的数据准备。
八、ini/cfg配置文件
使用标准模块configparser可以处理.ini文件。
settings.cfg
[english]
greeting = Hello
[french]
greeting = Bonjour
[files]
home = /usr/local
bin = %(home)s/bin
读取ini文件
import configparser
cfg = configparser.ConfigParser()
cfg.read('settings.cfg')
print(cfg)
九、Microsoft Excel
用于操作Microsoft Excel的第三方库有xlrd、tablib、python-excel、xlwt、xlutils等。
使用pandas读取Microsoft Excel
import pandas as pd
# 读取本地excel文件
data = pd.read_excel(r"/home/text.xlsx", sheet_name="data", sheet_index = 1, header = 0)
data为Pandas的DataFrame对象。
pandas写入Microsoft Excel
import pandas as pd
data = { 'name': ['zs', 'ls', 'ww'], 'age': [11, 12, 13], 'gender': ['man', 'man', 'woman']}
# 将数据转化为DataFrame格式
dataframe = pd.DataFrame(data)
# 写入本地excel文件
dataframe.to_excel("/home/text.xlsx" , sheet_name="data", na_rep="na_test",header=0)
