### 1.說明
CSV,全稱叫做Comma-Separated Values,即逗號分隔符或字符分隔符
### 2.寫入
通過open\(\)方法寫入并創建一個csv文件,調用csv庫的writer\(\)方法初始化一個寫入對象,傳入該語柄,然后調用writerow\(\)方法傳入每行的數據即可完成寫入
```
import csv
with open('data.csv', 'w',newline='') as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name'])
writer.writerow(['10001', '米庫'])
```
注意:如果不帶newline=‘’,會發現也能寫入結果,但是每行內容之間總是會多出一個空行
如果想修改列與列之間的分隔符可以傳入delimiter參數
```
import csv
with open('data.csv', 'w',newline='') as csvfile:
writer = csv.writer(csvfile,delimiter='0')
writer.writerow(['id', 'name'])
writer.writerow(['10001', '米庫'])
```
默認的分隔符逗號\(,\)會被換成delimeter參數設置的分隔符
可以同時傳入多行,需要使用witerrows\(\)方法
注意:是writerrows而不是writerow
```
import csv
with open('data.csv', 'w',newline='') as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name'])
writer.writerows([['10001', '米庫'],['10001', '米庫'],['10001', '米庫']])
```
以字典的形式寫入csv文件
```
import csv
with open('data.csv', 'w',newline='') as csvfile:
# 預先定義字段
fieldnames = ['id','name']
# 初始化一個字典寫入對象
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
# 調用writeheader()方法先寫入頭信息
writer.writeheader()
# 調用writerow傳入相應字典
writer.writerow({'id':1,"name":"angle"})
```
追加csv文本內容
注意這里就不同調用writeheader\(\)方法,不然會將頭部信息一并寫入
```
import csv
with open('data.csv', 'a',newline='') as csvfile:
# 預先定義字段
fieldnames = ['id','name']
# 初始化一個字典寫入對象
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
# 調用writerow傳入相應字典
writer.writerow({'id':1,"name":"angle"})
```
若將中文寫入csv文件中,需要指定編碼格式
```
import csv
with open('data.csv', 'a',newline='',encoding='utf-8') as csvfile:
# 預先定義字段
fieldnames = ['id','name']
# 初始化一個字典寫入對象
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
# 調用writerow傳入相應字典
writer.writerow({'id':1,"name":"angle"})
```
利用pandas庫寫入csv文件
注意,字典的鍵值對中值的類型是列表形式
```
import pandas as pd
data = {
'name':["angle"],
"age":[18],
}
print(data)
df = pd.DataFrame(data)
# print(df)
df.to_csv('csv1.csv')
```
### 3.讀取
```
import csv
with open('data.csv','r',encoding='utf-8') as csvfile:
reader = csv.reader(csvfile)
for content in reader:
print(content)
```
運行結果:
```
['id', 'name']
['1', 'angle']
['id', 'name']
['1', 'angle']
['id', 'name']
```
利用pandas中read\_csv\(\)方法將數據從csv中讀取出來
```
import csv
with open('data.csv', 'w',newline='',encoding='utf-8') as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name'])
writer.writerows([['10001', '米庫'],['10001', '米庫'],['10001', '米庫']])
# 用pandas讀取csv文本內容,需要寫入csv文本后時指定編碼格式utf-8
import pandas as pd
print(pd.read_csv('data.csv'))
```
運行結果:
```
id name
0 10001 米庫
1 10001 米庫
2 10001 米庫
```
- 介紹
- 1.開發環境配置
- 1.1 python3的安裝
- 1.1.1 windows下的安裝
- 1.1.2 Linux下的安裝
- 1.1.3 Mac下的安裝
- 1.2 請求庫的安裝
- 1.2.1 requests的安裝
- 1.2.2 selenium的安裝
- 1.2.3 ChromeDriver的安裝
- 1.2.4 GeckoDriver 的安裝
- 1.2.5 PhantomJS的安裝
- 1.2.6 aiohttp的安裝
- 1.3 解析庫的安裝
- 1.3.1 lxml的安裝
- 1.3.2 Beautiful Soup的安裝
- 1.3.3 pyquery的安裝
- 1.3.4 tesserocr的安裝
- 1.4 數據庫的安裝
- 1.4.1 MySQL的安裝
- 1.4.2 MongoDB的安裝
- 1.4.3 Redis的安裝
- 1.5 存儲庫的安裝
- 1.5.1 PyMySQL的安裝
- 1.5.2 PyMongo的安裝
- 1.5.3 redis-py的安裝
- 1.5.4 RedisDump的安裝
- 1.6 Web庫的安裝
- 1.6.1 Flask的安裝
- 1.6.2 Tornado的安裝
- 1.7 App爬取相關庫的安裝
- 1.7.1 Charles的安裝
- 1.7.2 mitmproxy的安裝
- 1.7.3 Appium的安裝
- 1.8 爬蟲框架的安裝
- 1.8.1 pyspider的安裝
- 1.8.2 Scrapy的安裝
- 1.8.3 Scrapy-Splash的安裝
- 1.8.4 ScrapyRedis的安裝
- 1.9 布署相關庫的安裝
- 1.9.1 Docker的安裝
- 1.9.2 Scrapyd的安裝
- 1.9.3 ScrapydClient的安裝
- 1.9.4 ScrapydAPI的安裝
- 1.9.5 Scrapyrt的安裝
- 1.9.6-Gerapy的安裝
- 2.爬蟲基礎
- 2.1 HTTP 基本原理
- 2.1.1 URI和URL
- 2.1.2 超文本
- 2.1.3 HTTP和HTTPS
- 2.1.4 HTTP請求過程
- 2.1.5 請求
- 2.1.6 響應
- 2.2 網頁基礎
- 2.2.1網頁的組成
- 2.2.2 網頁的結構
- 2.2.3 節點樹及節點間的關系
- 2.2.4 選擇器
- 2.3 爬蟲的基本原理
- 2.3.1 爬蟲概述
- 2.3.2 能抓怎樣的數據
- 2.3.3 javascript渲染的頁面
- 2.4 會話和Cookies
- 2.4.1 靜態網頁和動態網頁
- 2.4.2 無狀態HTTP
- 2.4.3 常見誤區
- 2.5 代理的基本原理
- 2.5.1 基本原理
- 2.5.2 代理的作用
- 2.5.3 爬蟲代理
- 2.5.4 代理分類
- 2.5.5 常見代理設置
- 3.基本庫使用
- 3.1 使用urllib
- 3.1.1 發送請求
- 3.1.2 處理異常
- 3.1.3 解析鏈接
- 3.1.4 分析Robots協議
- 3.2 使用requests
- 3.2.1 基本用法
- 3.2.2 高級用法
- 3.3 正則表達式
- 3.4 抓取貓眼電影排行
- 4.解析庫的使用
- 4.1 使用xpath
- 4.2 使用Beautiful Soup
- 4.3 使用pyquery
- 5.數據存儲
- 5.1 文件存儲
- 5.1.1 TXT 文件存儲
- 5.1.2 JSON文件存儲
- 5.1.3 CSV文件存儲
- 5.2 關系型數據庫存儲
- 5.2.1 MySQL的存儲
- 5.3 非關系數據庫存儲
- 5.3.1 MongoDB存儲
- 5.3.2 Redis存儲
- 6.Ajax數據爬取
- 6.1 什么是Ajax
- 6.2 Ajax分析方法
- 6.3 Ajax結果提取
- 6.4 分析Ajax爬取今日頭條街拍美圖
- 7.動態渲染頁面爬取
- 7.1 Selenium的使用
- 7.2 Splash的使用
- 7.3 Splash負載均衡配置
- 7.4 使用selenium爬取淘寶商品
- 8.驗證碼的識別
- 8.1 圖形驗證碼的識別
- 8.2 極驗滑動驗證碼的識別
- 8.3 點觸驗證碼的識別
- 8.4微博宮格驗證碼的識別
- 9.代理的使用
- 9.1 代理的設置
- 9.2 代理池的維護
- 9.3 付費代理的使用
- 9.4 ADSL撥號代理
- 9.5 使用代理爬取微信公總號文章
- 10.模擬登錄
- 10.1 模擬登陸并爬去GitHub
- 10.2 Cookies池的搭建
- 11.App的爬取
- 11.1 Charles的使用
- 11.2 mitmproxy的使用
- 11.3 mitmdump“得到”App電子書信息
- 11.4 Appium的基本使用
- 11.5 Appnium爬取微信朋友圈
- 11.6 Appium+mitmdump爬取京東商品
- 12.pyspider框架的使用
- 12.1 pyspider框架介紹
- 12.2 pyspider的基本使用
- 12.3 pyspider用法詳解
- 13.Scrapy框架的使用
- 13.1 scrapy框架介紹
- 13.2 入門
- 13.3 selector的用法
- 13.4 spider的用法
- 13.5 Downloader Middleware的用法
- 13.6 Spider Middleware的用法
- 13.7 Item Pipeline的用法
- 13.8 Scrapy對接Selenium
- 13.9 Scrapy對接Splash
- 13.10 Scrapy通用爬蟲
- 13.11 Scrapyrt的使用
- 13.12 Scrapy對接Docker
- 13.13 Scrapy爬取新浪微博
- 14.分布式爬蟲
- 14.1 分布式爬蟲原理
- 14.2 Scrapy-Redis源碼解析
- 14.3 Scrapy分布式實現
- 14.4 Bloom Filter的對接
- 15.分布式爬蟲的部署
- 15.1 Scrapyd分布式部署
- 15.2 Scrapyd-Client的使用
- 15.3 Scrapyd對接Docker
- 15.4 Scrapyd批量部署
- 15.5 Gerapy分布式管理
- 微信公總號文章實戰
- 源碼
- other