Class 15 - 1 数据存储——文件存储

保存的形式可以多种多样，最简单的形式是接保存为文本文件，如 TXT、JSON、CSV等。还可以保存到数据库中，如关系型数据库 MySQL ，非关系型数据库 MongoDB、Redis等。

一、TXT文本存储

基本实例：

可以用 requests 将网页源代码获取下来，然后使用 pyquery 解析库解析，接下来将提取的标题、回答者、回答保存到文本，代码：

import requests
from pyquery import PyQuery as pq
url = 'https://www.zhihu.com/explore'
headers = {
    'User-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36'
}
html = requests.get(url,headers =headers).text
doc = pq(html)
items = doc('.explore-tab .feed-item').items()
for item in items:
    question = item.find('h2').text()
    author = item.find('.author-link-line').text()
    answers = pq(item.find('.content').html()).text()
    file = open('explore.txt', 'a', encoding='utf-8')
    file.write('\n'.join([question, author, answers]))
    file.write('\n'+'='*50+'\n')
    file.close()

用 requests 提取知乎的"发现"页面，然后将热门话题的问题、回答者、答案全文提取出来，然后利用 Python 提供的open（）方法打开一个文本文件，获取一个文件操作对象，这里赋值为 file，接着利用 file 对象的 write（）方法将提取的内容写入文件，最后调用 ιlose（）方法将其关闭，这样抓取的内容即可成功写入文本中了。

打开方式
- open（）方法的第二个参数设置成了 a，这样在每次写入文本时不会清空源文件，而是在文件末尾写入新的内容，这是一种文件打开方式。
  - r：以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。
  - rb：以二进制只读方式打开一个文件。文件指针将会放在文件的开头。
  - r+：以读写方式打开一个文件，文件指针将会放在文件的开头。
  - rb+：以二进制读写方式打开一个文件。文件指针将会放在文件的开头。
  - w：以写入方式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件。
  - wb：以二进制写入方式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件
  - w+：以读写方式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件
  - wb+：以二进制读写格式打开一个文件。如果该文件已存在，则将其覆盖。如果该文件不存在，则创建新文件。
  - a：以追加方式打开一个文件。如果该文件已存在，文件指针将会放在文件结尾，如果该文件不存在，则创建新文件来写入。
  - ab：以二进制追加方式打开一个文件。如果该文件已存在，则文件指针将会放在文件结尾，如果该文件不存在，则创建新文件来写入
  - a+：以读写方式打开一个文件。如果该文件已存在，文件指针将会放在文件的结尾。文件打开时会是追加模式。如果文件不存在，则创建新文件来读写。
  - ab+：以二进制追加方式打开一个文件。如果该文件已存在，则文件指针将会放在文件结尾。如果该文件不存在，则创建新文件用于读写

简化写法

使用 with as 语法。在 with 控制块结束时，文件会自动关闭，不需要再调用 close（）方法。示例：

  with open('explore.txt', 'a', encoding='utf-8') as file:
        file.write('\n'.jason([question,author,answers]))
        file.write('\n'+'='*50+'\n')

如果想保存时将原文清空，那么可以将第二个参数改写为 w，示例：

   with open('explore.txt', 'w', encoding='utf-8') as file:
        file.write('\n'.jason([question,author,answers]))
        file.write('\n'+'='*50+'\n')

二、Json文件存储

JSON，全称为 JavaScript Object Notation，是 JavaScript对象标记，通过对象和数组的组合来表示数据，构造简洁但结构化程度非常高，是一种轻量级的数据交换格式。

对象和数组
- 在 JavaScript语言中，一切都是对象。因此，任何支持的类型都可以通过 JSON来表示，如：字符串、数字、对象、数组等，对象和数组是比较特殊且常用的两种类型
  - 对象：在 JavaScript 中是使用花括号｛｝包裹起来的内容，数据结构为｛key1: value1, key2: value2，… ｝的键值对结构。在面向对象的语言中， key 为对象的属性， value 为对应的值。键名可以使用整数和字符串来表示。值的类型可以是任意类型。
  - 数组：数组在 JavaScript 中是方括号［］包裹起来的内容，数据结构为［"java"，"javascript"，"vb"，.... ］的索引结构。在JavaScript 中，数组是一种比较特殊的数据类型，也可以像对象那样使用键值对，但还是索引用得多。同样，值的类型可以是任意类型。
    - 所以，一个JSON对象可以写成如下形式：
      [{ "name": "Bob", "gender": "male", "birthday": "1992-10-18",}, {"name": "Snlina", "gender": "female", "birthday": "1995-10-18" }]
      由中括号包围的就相当于列表类型，列表中的每个元素可以是任意类型，这个示例中它是字典类型，由大括号包围。
      JSON 可以由以上两种形式自由组合而成，可以无限次嵌套，结构清晰，是数据交换的极佳方式。
读取JSON
- 可以调用 JSON 库的 loads（）方法将 JSON 文本字符串转为 JSON对象，可以通过 dumps（）方法将 JSON 对象转为文本字符串。
  例：一段 JSON 形式的字符串，是 str 类型，可以用 Python 将其转换为可操作的数据结构——列表或字典：
```
import json
str = '''
    [{ "name":"Bob",
         "gender":"male",
         "birthday": "1992-10-18"
         },{
         "name": "Selina",
        "gender":"female",
        "birthday": "1995-10-18"
}]
'''
print(type(str))
data = json.loads(str)
print(data)
print(type(data))
输出：
```
  <class 'str'> [{'name': 'Bob', 'gender': 'male', 'birthday': '1992-10-18'}, {'name': 'Selina', 'gender': 'female', 'birthday': '1995-10-18'}] <class 'list'>
  View Code
  使用 loads（）方法将字符串转为 JSON 对象。由于最外层是中括号，所以最终的类型是列表类型。
  
  针对列表，可以用索引来获取对应的内容。如，想取第一个元素里的 name 属性，可以使用如下方式：
```
data[0]['name']
data[0].get('name')
输出：
Bob
```
  中括号加 0 索引，可以得到第一个字典元素，再调用键名即可得到相应的键值。获取键值时有两种方式：一种是中括号加键名，另一种是通过 get（）方法传人键名。推荐使用 get()方法，这样如果键名不存在，则不会报错，会返回 None。另外， get（）方法还可以传入第二个参数（即 .. 默认值），示例：
```
data[0].get('age')
data[0].get('age',25)
输出：
None
25
```
  尝试获取年龄 age，在原字典中该键名不存在，此时默认会返回 None。如果传入第二个参数（即默认值），那么在不存在的情况下返回该默认值。
  注意：
  JSON 的数据需要用双引号来包围，不能使用单引号。例：若使用如下形式表示，则会出现错误：
```
import json
str = '''
    [{ 'name':'Bob',
         'gender':'male',
         'birthday': '1992-10-18'
         },{
         'name': 'Selina',
        'gender':'female',
        'birthday':'1995-10-18'
}]
'''
data = json.loads(str)
输出：
json.decoder.JSONDecodeError: Expecting property name enclosed in double quotes: line 2 column 8 (char 8)
```
  View Code
  出现 JSON解析错误提示。注意：JSON 字符串的表示需要用双引号，否则 loads（）方法会解析失败。
- 从 JSON 文本中读取内容，例：有一个 data.json 文件，内容是刚才定义的 JSON 字符串，可以先将文本文件内容读出，然后再利用 loads（）方法转化：
```
import json
with open('data.json','r') as file:
    str = file.read()
    data = json.loads(str)
    print(data) 
```
输出JSON
- 可以调用 dumps（）方法将 JSON 对象转化为字符串。例：将例中的列表重新写入文本：
```
import json
data = '''
    [{
    "name": "Bob",
    "gender": "male",
    "birthday": "1992-10-18"
}]
'''
with open('data.json','a',encoding='utf-8') as f:
    f.write(json.dumps(data))
```
  利用 dumps（）方法，可以将 JSON 对象转为字符串，然后再调用文件的 write（）方法写入文本
- 如果想保存 JSON 的格式，可以再加一个参数 indent，代表缩进字符个数。示例：
```
with open('data.json','a',encoding='utf-8') as f:
    f.write(json.dumps(data,indent=2))
```
  这样得到的内容会自动带缩进，格式更加清晰。
- 如果 JSON 中包含中文字符，需要指定参数 ensure_ascii 为 False，还要规定文件输出的编码：
```
with open('data.json','w',encoding='utf-8') as f:
    f.write(json.dumps(data,indent=2,ensure_ascii= False))
```

三、CSV文件存储　　　　

写入
- ```
import csv
with open('data.csv','w') as csvfile:
    writer =csv.writer(csvfile)
    writer.writerow(['id','name','age'])
    writer.writerow(['10001','Mike',20])
    writer.writerow(['10002','Bob',22])
    writer.writerow(['10003','Jordan',21])
```
  首先打开 data.csv 文件，然后指定打开的模式为 w（写入），获得文件句柄，随后调用 csv 库的 writer（）方法初始化写人对象，传入该句柄，然后调用 writerow（）方法传入每行的数据即可完成写入。
  写人的文本默认以逗号分隔，调用一次 writerow（）方法即可写入一行数据。
- 如果想修改列与列之间的分隔符，可以传入 delimiter 参数，代码如下：
```
import csv
with open('data.csv','w') as csvfile:
    writer =csv.writer(csvfile,delimiter='')
    --snip--
```
  里在初始化写入对象时传入 delimiter 为空格，此时输出结果的每一列就是以空格分隔。
- 也可以调用 writerows（）方法同时写入多行，此时参数需要为二维列表，例：
```
import csv
with open('data.csv','w') as csvfile:
    writer =csv.writer(csvfile)
    writer.writerow(['id','name','age'])
    writer.writerow(['10001','Mike',20],['10002','Bob',22],['10003','Jordan',21])
```
  输出内容相同。
- 是一般情况下，爬虫爬取的都是结构化数据，一般会用字典来表示。在 CSV 库中也提供了字典的写入方式，示例：
```
import csv
with open('data.csv','w') as csvfile:
    filenames = ['id','name','age']
    writer = csv.DictWriter(csvfile,fieldnames=filenames)
    writer.writeheader()
    writer.writerow({'id':'10001','name':'Mike','age':20})
    writer.writerow({'id':'10002','name':'Bob','age':22})
    writer.writerow({'id':'10003','name':'Jordan','age':21})
```
  先定义 3 个字段，用 fieldnames 表示，再将其传给 DictWriter 来初始化一个字典写人对象，接着调用 writeheader（）方法先写人头信息，然后再调用 writerow（）方法传人相应字典。
- 如果想追加写人，可以修改文件的打开模式，即将 open（）函数的第二个参数改成 a，示例：
```
import csv
with open('data.csv','a') as csvfile:
    filenames = ['id','name','age']
    writer = csv.DictWriter(csvfile,fieldnames=filenames)
    writer.writerow({'id':'10004','name':'Durant','age':22})
```
- 如果要写入中文内容，可能会遇到字符编码的问题，此时需要给 open（）参数指定编码格式。例如，再写入一行包含中文的数据，代码需要改写：
```
import csv
with open('data.csv','a',encoding='utf-8') as csvfile:
    filenames = ['id','name','age']
    writer = csv.DictWriter(csvfile,fieldnames=filenames)
    writer.writerow({'id':'10005','name':'王伟','age':22})
```
  这里需要给 open（）函数指定编码，否则可能发生编码错误。
- 如果接触过 pandas 库的话，可以调用 DataFrame 对象的 to_csv（）方法来将数据写人 csv 文件中。
读取
- 同样可以使用 csv 库来读取 csv 文件。如，将写入的文件内容读取出来，如下：
```
import csv
with open('data.csv','r',encoding='utf-8') as csvfile:
    reader =csv.reader(csvfile)
    for row in reader:
        print(row)
```
  这里构造的是 Reader 对象，通过遍历输出了每行的内容，每一行都是一个列表形式。注意，如果 csv 文件中包含中文的话，还需要指定文件编码。
- 如果知道 pandas库，可以利用 read_csv（）方法将数据从 csv 中读取出来，如：
```
import pandas as pd
df=pd.read_csv('data.csv')
print(df)
```
  在做数据分析的时候，此种方法用得比较多，也是一种比较方便地读取 csv 文件的方法。

Class 15 - 1 数据存储——文件存储

猜你喜欢