分析Python中解析构建数据知识

概述Python可以通过各种库去解析我们常见的数据。其中csv文件以纯文本形式存储表格数据，以某字符作为分隔值，通常为逗号；xml可拓展标记语言，很像超文本标记语言Html，但主要对文档和数据进行结构化处理，被用来传输数

Python 可以通过各种库去解析我们常见的数据。其中 csv 文件以纯文本形式存储表格数据，以某字符作为分隔值，通常为逗号；xml 可拓展标记语言，很像超文本标记语言 HTML ，但主要对文档和数据进行结构化处理，被用来传输数据；Json 作为一种轻量级数据交换格式，比 xml 更小巧但描述能力却不差，其本质是特定格式的字符串；Microsoft Excel 是电子表格，可进行各种数据的处理、统计分析和辅助决策 *** 作，其数据格式为 xls、xlsx。接下来主要介绍通过 Python 简单解析构建上述数据，完成数据的“珍珠翡翠白玉汤”。

Python 解析构建 csv

通过标准库中的 csv 模块，使用函数 reader()、writer() 完成 csv 数据基本读写。

import csvwith open('readtest.csv',newline='') as csvfile:reader = csv.reader(csvfile)for row in reader:print(row)with open('writetest.csv','w',newline='') as csvfile:writer = csv.writer(csvfile)writer.writerrow("onetest")writer.writerows("someiterable")

其中 reader() 返回迭代器， writer() 通过 writerrow() 或 writerrows() 写入一行或多行数据。两者还可通过参数 dialect 指定编码方式，默认以 excel 方式，即以逗号分隔，通过参数 delimiter 指定分隔字段的单字符，默认为逗号。

在 python3 中，打开文件对象 csvfile ，需要通过 newline='' 指定换行处理，这样读取文件时，新行才能被正确地解释；而在 Python2 中，文件对象 csvfile 必须以二进制的方式 'b' 读写，否则会将某些字节（0x1A）读写为文档结束符（EOF），导致文档读取不全。

除此之外，还可使用 csv 模块中的类 DictReader()、DictWriter() 进行字典方式读写。

import csvwith open('readtest.csv',newline='') as csvfile:  reader = csv.DictReader(csvfile)  for row in reader:    print(row['first_test'],row['last_test'])with open('writetest.csv',newline='') as csvfile:  fIEldnames = ['first_test','last_test']  writer = csv.DictWriter(csvfile,fIEldnames=fIEldnames)  writer.writeheader()  writer.writerow({'first_test': 'hello','last_test': 'wrold'})  writer.writerow({'first_test': 'Hello','last_test': 'World'})  #writer.writerows([{'first_test': 'hello','last_test': 'wrold'},{'first_test': 'Hello','last_test': 'World'}])

其中 DictReader() 返回有序字典，使得数据可通过字典的形式访问，键名由参数 fIEldnames 指定，默认为读取的第一行。

DictWriter() 必须指定参数 fIEldnames 说明键名，通过 writeheader() 将键名写入，通过 writerrow() 或 writerrows() 写入一行或多行字典数据。

Python 解析构建 xml

通过标准库中的 xml.etree.ElementTree 模块，使用 Element、ElementTree 完成 xml 数据的读写。

from xml.etree.ElementTree import Element,ElementTreeroot = Element('language')root.set('name','python')direction1 = Element('direction')direction2 = Element('direction')direction3 = Element('direction')direction4 = Element('direction')direction1.text = 'Web'direction2.text = 'SpIDer'direction3.text = 'BigData'direction4.text = 'AI'root.append(direction1)root.append(direction2)root.append(direction3)root.append(direction4)#import itertools#root.extend(chain(direction1,direction2,direction3,direction4))tree = ElementTree(root)tree.write('xmltest.xml')

写 xml 文件时，通过 Element() 构建节点，set() 设置属性和相应值，append() 添加子节点，extend() 结合循环器中的 chain() 合成列表添加一组节点，text 属性设置文本值，ElementTree() 传入根节点构建树，write() 写入 xml 文件。

import xml.etree.ElementTree as ETtree = ET.parse('xmltest.xml')#from xml.etree.ElementTree import ElementTree#tree = ElementTree().parse('xmltest.xml')root = tree.getroot()tag = root.tagattrib = root.attribtext = root.textdirection1 = root.find('direction')direction2 = root[1]directions = root.findall('.//direction')for direction in root.findall('direction'):  print(direction.text)for direction in root.iter('direction'):  print(direction.text)root.remove(direction2)

读 xml 文件时，通过 ElementTree() 构建空树，parse() 读入 xml 文件，解析映射到空树；getroot() 获取根节点，通过下标可访问相应的节点；tag 获取节点名，attrib 获取节点属性字典，text 获取节点文本；find() 返回匹配到节点名的第一个节点，findall() 返回匹配到节点名的所有节点，find()、findall() 两者都仅限当前节点的一级子节点，都支持 xpath 路径提取节点；iter() 创建树迭代器，遍历当前节点的所有子节点，返回匹配到节点名的所有节点；remove() 移除相应的节点。

除此之外，还可通过 xml.sax、xml.dom.minIDom 去解析构建 xml 数据。其中 sax 是基于事件处理的；dom 是将 xml 数据在内存中解析成一个树，通过对树的 *** 作来 *** 作 xml；而 ElementTree 是轻量级的 dom ，具有简单而高效的API，可用性好，速度快，消耗内存少，但生成的数据格式不美观，需要手动格式化。

Python 解析构建 Json

通过标准库中的 Json 模块，使用函数 dumps()、loads() 完成 Json 数据基本读写。

>>> import Json>>> Json.dumps(['foo',{'bar': ('baz',None,1.0,2)}])'["foo",{"bar": ["baz",null,2]}]'>>> Json.loads('["foo",{"bar":["baz",2]}]')['foo',{'bar': ['baz',2]}]

Json.dumps() 是将 obj 序列化为 Json 格式的 str，而 Json.loads() 是反向 *** 作。其中 dumps() 可通过参数 ensure_ascii 指定是否使用 ascii 编码，默认为 True；通过参数  separators=(',',':') 指定 Json 数据格式中的两种分隔符；通过参数 sort_keys 指定是否使用排序，默认为 False。

除此之外，还可使用 Json 模块中的函数 dump()、load() 进行 Json 数据读写。

import Jsonwith open('Jsontest.Json','w') as Jsonfile:Json.dump(['foo',2)}],Jsonfile)with open('Jsontest.Json') as Jsonfile:Json.load(Jsonfile)

功能与 dumps()、loads() 相同，但接口不同，需要与文件 *** 作结合，多传入一个文件对象。

Python 解析构建 excel

通过 pip 安装第三方库 xlwt、xlrd 模块，完成 excel 数据的读写。

import xlwtwbook = xlwt.Workbook(enCoding='utf-8')wsheet = wbook.add_sheet('sheet1')wsheet.write(0,'Hello World')wbook.save('exceltest.xls')

写 excel 数据时，通过 xlwt.Workbook() 指定编码格式参数 enCoding 创建工作表，add_sheet() 添加表单，write() 在相应的行列单元格中写入数据，save() 保存工作表。

import xlrdrbook = xlrd.open_workbook('exceltest.xls')rsheet = book.sheets()[0]#rsheet = book.sheet_by_index(0)#rsheet = book.sheet_by_name('sheet1')nr = rsheet.nrowsnc = rsheet.ncolsrv = rsheet.row_values(0)cv = rsheet.col_values(0)cell = rsheet.cell_value(0,0)

读 excel 数据时，通过 xlrd.open_workbook() 打开相应的工作表，可使用列表下标、表索引 sheet_by_index()、表单名 sheet_by_name() 三种方式获取表单名，nrows 获取行数，ncols 获取列数，row_values() 返回相应行的值列表，col_values() 返回相应列的值列表，cell_value() 返回相应行列的单元格值。

总结

以上是内存溢出为你收集整理的分析Python中解析构建数据知识全部内容，希望文章能够帮你解决分析Python中解析构建数据知识所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。