Membaca fail CSV di Python

Dalam tutorial ini, kita akan belajar membaca fail CSV dengan format yang berbeza di Python dengan bantuan contoh.

Kami akan menggunakan csvmodul yang dibina di Python secara eksklusif untuk tugas ini. Tetapi pertama, kita perlu mengimport modul sebagai:

 import csv

Kami telah membahas asas bagaimana menggunakan csvmodul untuk membaca dan menulis ke dalam fail CSV. Sekiranya anda tidak mempunyai idea untuk menggunakan csvmodul, lihat tutorial kami mengenai Python CSV: Baca dan Tulis fail CSV

Penggunaan Asas csv.reader ()

Mari kita lihat contoh asas penggunaan csv.reader()untuk menyegarkan pengetahuan sedia ada anda.

Contoh 1: Baca fail CSV dengan csv.reader ()

Andaikan kita mempunyai fail CSV dengan entri berikut:

 SN, Nama, Sumbangan 1, Linus Torvalds, Linux Kernel 2, Tim Berners-Lee, World Wide Web 3, Guido van Rossum, Pengaturcaraan Python

Kita boleh membaca kandungan fail dengan program berikut:

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file) for row in reader: print(row)

Pengeluaran 

 ('SN', 'Nama', 'Sumbangan') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' , 'Guido van Rossum', 'Pengaturcaraan Python')

Di sini, kami telah membuka fail innovators.csv dalam mod membaca menggunakan open()fungsi.

Untuk mengetahui lebih lanjut mengenai membuka fail di Python, lawati: Python File Input / Output

Kemudian, csv.reader()digunakan untuk membaca fail, yang mengembalikan readerobjek yang dapat diulang .

The readerobjek kemudiannya mengulangi menggunakan forgelung untuk mencetak kandungan setiap baris.

Sekarang, kita akan melihat fail CSV dengan format yang berbeza. Kami kemudian akan belajar bagaimana menyesuaikan csv.reader()fungsi untuk membacanya.

Fail CSV dengan Pembatas Khusus

Secara lalai, koma digunakan sebagai pembatas dalam fail CSV. Walau bagaimanapun, sebilangan fail CSV boleh menggunakan pembatas selain koma. Beberapa yang popular adalah |dan .

Katakan fail innovators.csv dalam Contoh 1 menggunakan tab sebagai pembatas. Untuk membaca fail, kita dapat meneruskan delimiterparameter tambahan ke csv.reader()fungsi tersebut.

Mari kita ambil contoh.

Contoh 2: Baca fail CSV Mempunyai Tab Delimiter

 import csv with open('innovators.csv', 'r') as file: reader = csv.reader(file, delimiter = ' ') for row in reader: print(row)

Pengeluaran 

 ('SN', 'Nama', 'Sumbangan') ('1', 'Linus Torvalds', 'Linux Kernel') ('2', 'Tim Berners-Lee', 'World Wide Web') ('3' , 'Guido van Rossum', 'Pengaturcaraan Python')

Seperti yang kita lihat, parameter pilihan delimiter = ' 'membantu menentukan readerobjek yang fail CSV yang kita baca, mempunyai tab sebagai pembatas.

Fail CSV dengan ruang awal

Beberapa fail CSV boleh mempunyai watak spasi selepas pembatas. Apabila kita menggunakan csv.reader()fungsi lalai untuk membaca fail CSV ini, kita juga akan mendapat ruang dalam output.

Untuk membuang ruang awal ini, kita perlu meneruskan parameter tambahan yang disebut skipinitialspace. Mari kita lihat contoh:

Contoh 3: Baca fail CSV dengan ruang awal

Katakan kita mempunyai fail CSV yang disebut people.csv dengan kandungan berikut:

 SN, Nama, Bandar 1, John, Washington 2, Eric, Los Angeles 3, Brad, Texas

Kita boleh membaca fail CSV seperti berikut:

 import csv with open('people.csv', 'r') as csvfile: reader = csv.reader(csvfile, skipinitialspace=True) for row in reader: print(row)

Pengeluaran 

 ('SN', 'Nama', 'Bandar') ('1', 'John', 'Washington') ('2', 'Eric', 'Los Angeles') ('3', 'Brad', ' Texas ')

Program ini serupa dengan contoh lain tetapi mempunyai skipinitialspaceparameter tambahan yang ditetapkan ke True.

Ini membolehkan readerobjek mengetahui bahawa entri mempunyai ruang kosong awal. Akibatnya, ruang awal yang ada setelah pembatas dikeluarkan.

Fail CSV dengan petikan

Beberapa fail CSV boleh mempunyai petikan di sekitar setiap atau beberapa entri.

Mari kita ambil quotes.csv sebagai contoh, dengan entri berikut:

 "SN", "Nama", "Petikan" 1, Buddha, "Apa yang kita rasa kita menjadi" 2, Mark Twain, "Jangan pernah menyesal apa pun yang membuatmu tersenyum" 3, Oscar Wilde, "Jadilah dirimu semua orang sudah diambil"

Menggunakan csv.reader()dalam mod minimum akan menghasilkan output dengan tanda petik.

Untuk menghapusnya, kita harus menggunakan parameter pilihan lain yang dipanggil quoting.

Mari kita lihat contoh cara membaca program di atas.

Contoh 4: Baca fail CSV dengan petikan

 import csv with open('person1.csv', 'r') as file: reader = csv.reader(file, quoting=csv.QUOTE_ALL, skipinitialspace=True) for row in reader: print(row)

Pengeluaran 

 ('SN', 'Name', 'Quotes') ('1', 'Buddha', 'What we think we become') ('2', 'Mark Twain', 'Never regret anything that made you smile') ('3', 'Oscar Wilde', 'Be yourself everyone else is already taken')

As you can see, we have passed csv.QUOTE_ALL to the quoting parameter. It is a constant defined by the csv module.

csv.QUOTE_ALL specifies the reader object that all the values in the CSV file are present inside quotation marks.

There are 3 other predefined constants you can pass to the quoting parameter:

  • csv.QUOTE_MINIMAL - Specifies reader object that CSV file has quotes around those entries which contain special characters such as delimiter, quotechar or any of the characters in lineterminator.
  • csv.QUOTE_NONNUMERIC - Specifies the reader object that the CSV file has quotes around the non-numeric entries.
  • csv.QUOTE_NONE - Specifies the reader object that none of the entries have quotes around them.

Dialects in CSV module

Notice in Example 4 that we have passed multiple parameters (quoting and skipinitialspace) to the csv.reader() function.

This practice is acceptable when dealing with one or two files. But it will make the code more redundant and ugly once we start working with multiple CSV files with similar formats.

As a solution to this, the csv module offers dialect as an optional parameter.

Dialect helps in grouping together many specific formatting patterns like delimiter, skipinitialspace, quoting, escapechar into a single dialect name.

It can then be passed as a parameter to multiple writer or reader instances.

Example 5: Read CSV files using dialect

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" "A878"| "Alfonso K. Hamby"| "[email protected]" "F854"| "Susanne Briard"| "[email protected]" "E833"| "Katja Mauer"| "[email protected]"

The CSV file has initial spaces, quotes around each entry, and uses a | delimiter.

Instead of passing three individual formatting patterns, let's look at how to use dialects to read this file.

 import csv csv.register_dialect('myDialect', delimiter='|', skipinitialspace=True, quoting=csv.QUOTE_ALL) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, dialect='myDialect') for row in reader: print(row)

Output 

 ('ID', 'Name', 'Email') ("A878", 'Alfonso K. Hamby', '[email protected]') ("F854", 'Susanne Briard', '[email protected]') ("E833", 'Katja Mauer', '[email protected]')

From this example, we can see that the csv.register_dialect() function is used to define a custom dialect. It has the following syntax:

 csv.register_dialect(name(, dialect(, **fmtparams)))

The custom dialect requires a name in the form of a string. Other specifications can be done either by passing a sub-class of Dialect class, or by individual formatting patterns as shown in the example.

While creating the reader object, we pass dialect='myDialect' to specify that the reader instance must use that particular dialect.

The advantage of using dialect is that it makes the program more modular. Notice that we can reuse 'myDialect' to open other files without having to re-specify the CSV format.

Read CSV files with csv.DictReader()

The objects of a csv.DictReader() class can be used to read a CSV file as a dictionary.

Example 6: Python csv.DictReader()

Suppose we have a CSV file (people.csv) with the following entries:

Name Age Profession
Jack 23 Doctor
Miller 22 Engineer

Let's see how csv.DictReader() can be used.

 import csv with open("people.csv", 'r') as file: csv_file = csv.DictReader(file) for row in csv_file: print(dict(row))

Output 

 ('Name': 'Jack', ' Age': ' 23', ' Profession': ' Doctor') ('Name': 'Miller', ' Age': ' 22', ' Profession': ' Engineer')

As we can see, the entries of the first row are the dictionary keys. And, the entries in the other rows are the dictionary values.

Here, csv_file is a csv.DictReader() object. The object can be iterated over using a for loop. The csv.DictReader() returned an OrderedDict type for each row. That's why we used dict() to convert each row to a dictionary.

Notice that we have explicitly used the dict() method to create dictionaries inside the for loop.

 print(dict(row))

Note: Starting from Python 3.8, csv.DictReader() returns a dictionary for each row, and we do not need to use dict() explicitly.

The full syntax of the csv.DictReader() class is:

 csv.DictReader(file, fieldnames=None, restkey=None, restval=None, dialect='excel', *args, **kwds)

To learn more about it in detail, visit: Python csv.DictReader() class

Using csv.Sniffer class

The Sniffer class is used to deduce the format of a CSV file.

The Sniffer class offers two methods:

  • sniff(sample, delimiters=None) - This function analyses a given sample of the CSV text and returns a Dialect subclass that contains all the parameters deduced.

An optional delimiters parameter can be passed as a string containing possible valid delimiter characters.

  • has_header(sample) - This function returns True or False based on analyzing whether the sample CSV has the first row as column headers.

Let's look at an example of using these functions:

Example 7: Using csv.Sniffer() to deduce the dialect of CSV files

Suppose we have a CSV file (office.csv) with the following content:

 "ID"| "Name"| "Email" A878| "Alfonso K. Hamby"| "[email protected]" F854| "Susanne Briard"| "[email protected]" E833| "Katja Mauer"| "[email protected]"

Let's look at how we can deduce the format of this file using csv.Sniffer() class:

 import csv with open('office.csv', 'r') as csvfile: sample = csvfile.read(64) has_header = csv.Sniffer().has_header(sample) print(has_header) deduced_dialect = csv.Sniffer().sniff(sample) with open('office.csv', 'r') as csvfile: reader = csv.reader(csvfile, deduced_dialect) for row in reader: print(row)

Output 

 True ('ID', 'Name', 'Email') ('A878', 'Alfonso K. Hamby', '[email protected]') ('F854', 'Susanne Briard', '[email protected]') ('E833', 'Katja Mauer', '[email protected]')

As you can see, we read only 64 characters of office.csv and stored it in the sample variable.

This sample was then passed as a parameter to the Sniffer().has_header() function. It deduced that the first row must have column headers. Thus, it returned True which was then printed out.

Begitu juga, sampel juga dihantar ke Sniffer().sniff()fungsi. Ia mengembalikan semua parameter kesimpulan sebagai Dialectsubkelas yang kemudian disimpan dalam pemboleh ubah deduced_dialect

Kemudian, kami membuka semula fail CSV dan meneruskan deduced_dialectpemboleh ubah sebagai parameter ke csv.reader().

Itu betul dapat meramalkan delimiter, quotingdan skipinitialspaceparameter dalam fail office.csv tanpa kita menyebutnya secara jelas.

Catatan: Modul csv juga dapat digunakan untuk sambungan fail lain (seperti: .txt ) selagi kandungannya dalam struktur yang betul.

Bacaan yang Disyorkan: Tulis ke Fail CSV di Python

Artikel menarik...