Python初学者基础之如何读取文件格式

Python最主要的应用就是爬虫，即自动获取网页内容的程序。文件是网页内容的重要存储模式，如何利用Python读取文件呢?今天千锋老师就来给大家分享一下Python初学者教程中关于读取文件的有关知识。

大局部爬虫一般按照“发送恳求——取得页面——解析页面——抽取并贮存内容”的流程，想要读取信息，我们就要了解数据的存储方式，其中文件格式是比较常见的一种。

使用Python读取CSV文件

CSV格式属于电子表格文件格式，数据存储在单元格中，按照行和列结构进行组织。 CSV中的每一行代表一个观察，通常称为一条记录。每个记录可以包含一个或多个由逗号分隔的字段。你可以使用Notepad读取CSV文件，代码如下：

import pandas as pd

pf = pd.read_csv('train.csv')

使用Python读取TXT纯文本

在纯文本文件格式，一切都写在纯文本。TXT格式的文件可以很容易地通过任何程序进行读取，读取代码如下：

text_file = open("text.txt", "r")

lines = text_file.read()

使用Python读取ZIP文件

zip格式是存档文件格式，是最流行的基于数据压缩的存档文件格式。ZIP文件格式使用许多压缩算法压缩文档，你可以轻松地识别ZIP文件的ZIP扩展名。代码如下：

import zipfile

archive = zipfile.ZipFile('T.zip', 'r')

df = archive.read('train.csv')

使用Python读取XLSX文件

xlsx也是电子表格文件格式，它是基于XML格式创建的Excel。xlsx数据是在一个表的单元格和列下组织的，每一个xlsx文件可以包含多于一个的表格，因此工作簿可以包含多个表。读取代码如下：

import pandas as pd

pf = pd.read_excel('train.xlsx',sheetname = 'invoice')

除了以上文件类型，使用Python你还可以读取XML、HTML、JSON等程序，基于Python简单易学、应用广泛的特性，越来越多的人选择学习Python编程语言。