### 1.说明
CSV,全称叫做Comma-Separated Values,即逗号分隔符或字符分隔符
### 2.写入
通过open\(\)方法写入并创建一个csv文件,调用csv库的writer\(\)方法初始化一个写入对象,传入该语柄,然后调用writerow\(\)方法传入每行的数据即可完成写入
```
import csv
with open('data.csv', 'w',newline='') as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name'])
writer.writerow(['10001', '米库'])
```
注意:如果不带newline=‘’,会发现也能写入结果,但是每行内容之间总是会多出一个空行
如果想修改列与列之间的分隔符可以传入delimiter参数
```
import csv
with open('data.csv', 'w',newline='') as csvfile:
writer = csv.writer(csvfile,delimiter='0')
writer.writerow(['id', 'name'])
writer.writerow(['10001', '米库'])
```
默认的分隔符逗号\(,\)会被换成delimeter参数设置的分隔符
可以同时传入多行,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', '米库'],['10001', '米库'],['10001', '米库']])
```
以字典的形式写入csv文件
```
import csv
with open('data.csv', 'w',newline='') as csvfile:
# 预先定义字段
fieldnames = ['id','name']
# 初始化一个字典写入对象
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
# 调用writeheader()方法先写入头信息
writer.writeheader()
# 调用writerow传入相应字典
writer.writerow({'id':1,"name":"angle"})
```
追加csv文本内容
注意这里就不同调用writeheader\(\)方法,不然会将头部信息一并写入
```
import csv
with open('data.csv', 'a',newline='') as csvfile:
# 预先定义字段
fieldnames = ['id','name']
# 初始化一个字典写入对象
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
# 调用writerow传入相应字典
writer.writerow({'id':1,"name":"angle"})
```
若将中文写入csv文件中,需要指定编码格式
```
import csv
with open('data.csv', 'a',newline='',encoding='utf-8') as csvfile:
# 预先定义字段
fieldnames = ['id','name']
# 初始化一个字典写入对象
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
# 调用writerow传入相应字典
writer.writerow({'id':1,"name":"angle"})
```
利用pandas库写入csv文件
注意,字典的键值对中值的类型是列表形式
```
import pandas as pd
data = {
'name':["angle"],
"age":[18],
}
print(data)
df = pd.DataFrame(data)
# print(df)
df.to_csv('csv1.csv')
```
### 3.读取
```
import csv
with open('data.csv','r',encoding='utf-8') as csvfile:
reader = csv.reader(csvfile)
for content in reader:
print(content)
```
运行结果:
```
['id', 'name']
['1', 'angle']
['id', 'name']
['1', 'angle']
['id', 'name']
```
利用pandas中read\_csv\(\)方法将数据从csv中读取出来
```
import csv
with open('data.csv', 'w',newline='',encoding='utf-8') as csvfile:
writer = csv.writer(csvfile)
writer.writerow(['id', 'name'])
writer.writerows([['10001', '米库'],['10001', '米库'],['10001', '米库']])
# 用pandas读取csv文本内容,需要写入csv文本后时指定编码格式utf-8
import pandas as pd
print(pd.read_csv('data.csv'))
```
运行结果:
```
id name
0 10001 米库
1 10001 米库
2 10001 米库
```
- 介绍
- 1.开发环境配置
- 1.1 python3的安装
- 1.1.1 windows下的安装
- 1.1.2 Linux下的安装
- 1.1.3 Mac下的安装
- 1.2 请求库的安装
- 1.2.1 requests的安装
- 1.2.2 selenium的安装
- 1.2.3 ChromeDriver的安装
- 1.2.4 GeckoDriver 的安装
- 1.2.5 PhantomJS的安装
- 1.2.6 aiohttp的安装
- 1.3 解析库的安装
- 1.3.1 lxml的安装
- 1.3.2 Beautiful Soup的安装
- 1.3.3 pyquery的安装
- 1.3.4 tesserocr的安装
- 1.4 数据库的安装
- 1.4.1 MySQL的安装
- 1.4.2 MongoDB的安装
- 1.4.3 Redis的安装
- 1.5 存储库的安装
- 1.5.1 PyMySQL的安装
- 1.5.2 PyMongo的安装
- 1.5.3 redis-py的安装
- 1.5.4 RedisDump的安装
- 1.6 Web库的安装
- 1.6.1 Flask的安装
- 1.6.2 Tornado的安装
- 1.7 App爬取相关库的安装
- 1.7.1 Charles的安装
- 1.7.2 mitmproxy的安装
- 1.7.3 Appium的安装
- 1.8 爬虫框架的安装
- 1.8.1 pyspider的安装
- 1.8.2 Scrapy的安装
- 1.8.3 Scrapy-Splash的安装
- 1.8.4 ScrapyRedis的安装
- 1.9 布署相关库的安装
- 1.9.1 Docker的安装
- 1.9.2 Scrapyd的安装
- 1.9.3 ScrapydClient的安装
- 1.9.4 ScrapydAPI的安装
- 1.9.5 Scrapyrt的安装
- 1.9.6-Gerapy的安装
- 2.爬虫基础
- 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请求过程
- 2.1.5 请求
- 2.1.6 响应
- 2.2 网页基础
- 2.2.1网页的组成
- 2.2.2 网页的结构
- 2.2.3 节点树及节点间的关系
- 2.2.4 选择器
- 2.3 爬虫的基本原理
- 2.3.1 爬虫概述
- 2.3.2 能抓怎样的数据
- 2.3.3 javascript渲染的页面
- 2.4 会话和Cookies
- 2.4.1 静态网页和动态网页
- 2.4.2 无状态HTTP
- 2.4.3 常见误区
- 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 爬虫代理
- 2.5.4 代理分类
- 2.5.5 常见代理设置
- 3.基本库使用
- 3.1 使用urllib
- 3.1.1 发送请求
- 3.1.2 处理异常
- 3.1.3 解析链接
- 3.1.4 分析Robots协议
- 3.2 使用requests
- 3.2.1 基本用法
- 3.2.2 高级用法
- 3.3 正则表达式
- 3.4 抓取猫眼电影排行
- 4.解析库的使用
- 4.1 使用xpath
- 4.2 使用Beautiful Soup
- 4.3 使用pyquery
- 5.数据存储
- 5.1 文件存储
- 5.1.1 TXT 文件存储
- 5.1.2 JSON文件存储
- 5.1.3 CSV文件存储
- 5.2 关系型数据库存储
- 5.2.1 MySQL的存储
- 5.3 非关系数据库存储
- 5.3.1 MongoDB存储
- 5.3.2 Redis存储
- 6.Ajax数据爬取
- 6.1 什么是Ajax
- 6.2 Ajax分析方法
- 6.3 Ajax结果提取
- 6.4 分析Ajax爬取今日头条街拍美图
- 7.动态渲染页面爬取
- 7.1 Selenium的使用
- 7.2 Splash的使用
- 7.3 Splash负载均衡配置
- 7.4 使用selenium爬取淘宝商品
- 8.验证码的识别
- 8.1 图形验证码的识别
- 8.2 极验滑动验证码的识别
- 8.3 点触验证码的识别
- 8.4微博宫格验证码的识别
- 9.代理的使用
- 9.1 代理的设置
- 9.2 代理池的维护
- 9.3 付费代理的使用
- 9.4 ADSL拨号代理
- 9.5 使用代理爬取微信公总号文章
- 10.模拟登录
- 10.1 模拟登陆并爬去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电子书信息
- 11.4 Appium的基本使用
- 11.5 Appnium爬取微信朋友圈
- 11.6 Appium+mitmdump爬取京东商品
- 12.pyspider框架的使用
- 12.1 pyspider框架介绍
- 12.2 pyspider的基本使用
- 12.3 pyspider用法详解
- 13.Scrapy框架的使用
- 13.1 scrapy框架介绍
- 13.2 入门
- 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对接Selenium
- 13.9 Scrapy对接Splash
- 13.10 Scrapy通用爬虫
- 13.11 Scrapyrt的使用
- 13.12 Scrapy对接Docker
- 13.13 Scrapy爬取新浪微博
- 14.分布式爬虫
- 14.1 分布式爬虫原理
- 14.2 Scrapy-Redis源码解析
- 14.3 Scrapy分布式实现
- 14.4 Bloom Filter的对接
- 15.分布式爬虫的部署
- 15.1 Scrapyd分布式部署
- 15.2 Scrapyd-Client的使用
- 15.3 Scrapyd对接Docker
- 15.4 Scrapyd批量部署
- 15.5 Gerapy分布式管理
- 微信公总号文章实战
- 源码
- other