Python 读取和写入文本文件（txt）、Excel 文件和 JSON 文件的方法

07-14 1043阅读

Python 读取和写入文本文件（txt）、Excel 文件和 JSON 文件的基本方法

  • 读取/写入 txt 文件
    • 基本读取txt
      • 读取 txt 文件
      • 写入 txt 文件
      • 按行读取复杂数据
      • 处理大txt文本文件（逐行读取以节省内存）
      • 读取/写入 Excel 文件
        • 基本读取
          • 读取 Excel 文件
          • 写入 Excel 文件
          • 处理复杂 Excel 文件（多个工作表）
          • 处理大 Excel 文件（使用 `pandas` 的 `chunksize` 参数）
          • 读取/写入 JSON 文件
            • 基本读取
              • 基本读取 JSON 文件
              • 写入 JSON 文件
              • 读取嵌套数据：
              • 读取嵌套json文件：
                  • 写入嵌套 JSON 数据
                  • 复杂读取json文件
                    • 方法一：逐行读取并解析每行 JSON
                    • 方法二：逐行读取并解析嵌套 JSON
                    • 方法三：处理大 JSON 文件（分块读取）
                    • 方法四：使用 `jsonlines` 库

                      Python 提供了多种方法来读取和写入不同类型的文件，包括文本文件（txt）、Excel 文件和 JSON 文件。以下是一些常用的方法和示例代码：

                      Python 读取和写入文本文件（txt）、Excel 文件和 JSON 文件的方法
                      （图片来源网络，侵删）

                      读取/写入 txt 文件

                      基本读取txt

                      读取 txt 文件

                      1. 使用内置的 open 函数
                      # 读取整个文件内容
with open('example.txt', 'r', encoding='utf-8') as file:
    content = file.read()
    print(content)
# 逐行读取文件内容
with open('example.txt', 'r', encoding='utf-8') as file:
    for line in file:
        print(line.strip())

                      写入 txt 文件

                      1. 使用内置的 open 函数
                      # 写入文本到文件（覆盖模式）
with open('example.txt', 'w', encoding='utf-8') as file:
    file.write('Hello, World!\n')
# 追加文本到文件
with open('example.txt', 'a', encoding='utf-8') as file:
    file.write('Appending a new line.\n')

                      按行读取复杂数据

                      1. 逐行读取并处理每行数据
                      # 假设我们的文件内容如下：
# Name, Age, City
# Alice, 30, New York
# Bob, 25, Los Angeles
with open('example.txt', 'r', encoding='utf-8') as file:
    header = file.readline().strip().split(', ')
    data = []
    for line in file:
        values = line.strip().split(', ')
        record = dict(zip(header, values))
        data.append(record)
    print(data)

                      处理大txt文本文件（逐行读取以节省内存）

                      # 逐行读取大文件
with open('large_file.txt', 'r', encoding='utf-8') as file:
    for line in file:
        process_line(line)  # 自定义的处理函数

                      读取/写入 Excel 文件

                      基本读取

                      读取 Excel 文件

                      1. 使用 pandas 库
                      import pandas as pd
# 读取 Excel 文件
df = pd.read_excel('example.xlsx', sheet_name='Sheet1')
print(df)
                      1. 使用 openpyxl 库（适用于 .xlsx 文件）
                      from openpyxl import load_workbook
# 读取 Excel 文件
wb = load_workbook('example.xlsx')
sheet = wb['Sheet1']
for row in sheet.iter_rows(values_only=True):
    print(row)

                      写入 Excel 文件

                      1. 使用 pandas 库
                      import pandas as pd
# 创建一个 DataFrame
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
# 写入 Excel 文件
df.to_excel('example.xlsx', sheet_name='Sheet1', index=False)
                      1. 使用 openpyxl 库
                      from openpyxl import Workbook
# 创建一个新的 Excel 文件
wb = Workbook()
sheet = wb.active
sheet.title = 'Sheet1'
# 写入数据
sheet.append(['Name', 'Age'])
sheet.append(['Alice', 25])
sheet.append(['Bob', 30])
# 保存文件
wb.save('example.xlsx')

                      处理复杂 Excel 文件（多个工作表）

                      1. 使用 pandas 读取多个工作表
                      import pandas as pd
# 读取 Excel 文件的所有工作表
xls = pd.ExcelFile('example.xlsx')
sheets = {}
for sheet_name in xls.sheet_names:
    sheets[sheet_name] = pd.read_excel(xls, sheet_name=sheet_name)
    print(f"Sheet: {sheet_name}")
    print(sheets[sheet_name])
                      1. 使用 openpyxl 逐行读取
                      from openpyxl import load_workbook
# 读取 Excel 文件
wb = load_workbook('example.xlsx')
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")
    for row in sheet.iter_rows(values_only=True):
        print(row)

                      处理大 Excel 文件（使用 pandas 的 chunksize 参数）

                      import pandas as pd
# 逐块读取大 Excel 文件
chunk_size = 1000
for chunk in pd.read_excel('large_file.xlsx', sheet_name='Sheet1', chunksize=chunk_size):
    process_chunk(chunk)  # 自定义的处理函数

                      读取/写入 JSON 文件

                      基本读取

                      基本读取 JSON 文件

                      1. 使用内置的 json 模块
                      import json
# 读取 JSON 文件
with open('example.json', 'r', encoding='utf-8') as file:
    data = json.load(file)
    print(data)

                      写入 JSON 文件

                      1. 使用内置的 json 模块
                      import json
# 数据
data = {'name': 'Alice', 'age': 25}
# 写入 JSON 文件
with open('example.json', 'w', encoding='utf-8') as file:
    json.dump(data, file, ensure_ascii=False, indent=4)

                      读取嵌套数据：

                      读取嵌套json文件：

                      1. 读取嵌套 JSON 数据
                      import json
# 假设我们的 JSON 文件内容如下：
# {
#     "name": "Alice",
#     "age": 30,
#     "address": {
#         "city": "New York",
#         "zipcode": "10001"
#     },
#     "phones": ["123-456-7890", "987-654-3210"]
# }
with open('example.json', 'r', encoding='utf-8') as file:
    data = json.load(file)
    print(data)
# 访问嵌套数据
print(data['address']['city'])  # 输出: New York
print(data['phones'][0])  # 输出: 123-456-7890
                      写入嵌套 JSON 数据
                      import json
# 嵌套数据
data = {
    "name": "Alice",
    "age": 30,
    "address": {
        "city": "New York",
        "zipcode": "10001"
    },
    "phones": ["123-456-7890", "987-654-3210"]
}
# 写入 JSON 文件
with open('example.json', 'w', encoding='utf-8') as file:
    json.dump(data, file, ensure_ascii=False, indent=4)

                      复杂读取json文件

                      按行读取 JSON 文件在处理大文件或流式处理数据时非常有用。以下是一些方法来按行读取 JSON 文件：

                      方法一：逐行读取并解析每行 JSON

                      如果 JSON 文件每行都是一个独立的 JSON 对象，可以逐行读取并解析每行：

                      import json
# 假设我们的 JSON 文件内容如下，每行是一个独立的 JSON 对象：
# {"name": "Alice", "age": 30}
# {"name": "Bob", "age": 25}
with open('example.json', 'r', encoding='utf-8') as file:
    for line in file:
        data = json.loads(line.strip())
        print(data)

                      方法二：逐行读取并解析嵌套 JSON

                      如果 JSON 文件是一个包含多个对象的数组，可以使用 ijson 库逐行解析嵌套 JSON 数据：

                      import ijson
# 假设我们的 JSON 文件内容如下：
# [
#     {"name": "Alice", "age": 30},
#     {"name": "Bob", "age": 25}
# ]
with open('example.json', 'r', encoding='utf-8') as file:
    parser = ijson.parse(file)
    for prefix, event, value in parser:
        if prefix.endswith('.name') and event == 'string':
            print(f"Name: {value}")
        elif prefix.endswith('.age') and event == 'number':
            print(f"Age: {value}")

                      方法三：处理大 JSON 文件（分块读取）

                      对于非常大的 JSON 文件，可以考虑分块读取和处理：

                      import json
def process_chunk(chunk):
    for line in chunk:
        data = json.loads(line.strip())
        print(data)
chunk_size = 1000  # 每次读取1000行
with open('large_file.json', 'r', encoding='utf-8') as file:
    chunk = []
    for line in file:
        chunk.append(line)
        if len(chunk) >= chunk_size:
            process_chunk(chunk)
            chunk = []
    if chunk:
        process_chunk(chunk)

                      方法四：使用 jsonlines 库

                      jsonlines 库专门用于处理每行一个 JSON 对象的文件：

                      import jsonlines
# 假设我们的 JSON 文件内容如下，每行是一个独立的 JSON 对象：
# {"name": "Alice", "age": 30}
# {"name": "Bob", "age": 25}
with jsonlines.open('example.json') as reader:
    for obj in reader:
        print(obj)

                      这些方法可以帮助你按行读取 JSON 文件，根据文件的具体结构和大小选择合适的方法来处理数据。

                      以上是一些常见的方法来读取和写入 txt、Excel 和 JSON 文件。每种方法都有其优缺点，选择哪种方法取决于具体的需求和使用场景。

VPS购买请点击我

文章版权声明：除非注明，否则均为主机测评原创文章，转载或复制请以超链接形式并注明出处。

相关阅读

目录[+]