关于表格

• 键值对形式的数据，符合程序员的阅读习惯。但普通人，更习惯阅读表格形式的数据。

表格分类

• 在计算机中编辑表格时，普通人通常会使用 Microsoft 公司的 Excel 软件。这种软件保存的表格文件，扩展名通常为 .xlsx 。

  • 优点：
    • Excel 不止提供了编辑表格这一基础功能，还提供了绘制图表、公式运算等功能，满足用户的各种使用需求。
  • 缺点：
    • .xlsx 文件通常只能被 Excel 软件打开、编辑，而 Excel 是一款付费软件。因此，如果人们普遍使用 .xlsx 文件，就意味着每个人都要购买 Excel 软件的使用权。
    • Python 安装 openpyxl 等专业的第三方库，才能解读 .xlsx 文件的内容。否则，直接用 open() 打开 .xlsx 文件，只能看到 bytes 格式的数据，不能解读。

• 除了 .xlsx 文件之外，还有一种常见的表格文件，扩展名为 .csv 。它采用 CSV（Comma Separated Values）格式。

  • 优点：
    • 格式简单。只需要在相邻字段之间，插入一个英文逗号，作为分隔符。
    • 通用性强，可以被大部分软件打开、编辑。
      • 例如 Python 可以直接用 open() 打开、编辑 .csv 文件。不过推荐使用 csv 标准库，更方便。
  • 缺点：
    • 只能实现编辑表格这一基础功能。

• 用 Excel 软件也可以打开 .csv 文件，还可以将 .xlsx 文件保存为 .csv 文件。

  • 当 .csv 文件符合以下格式时，它在 Excel 软件中显示的内容，才会与 .xlsx 文件一致。
    • 每行的相邻字段之间，插入一个英文逗号，作为分隔符。
    • 每行文本的换行符为 '\r\n' 。
    • 单个字段中，如果包含英文逗号、英文双引号，则要在每个双引号之前添加一个双引号进行转义，还要用一对双引号将这个字段包住，从而避免被识别为多个字段。
  • 例：用 Excel 编辑 .xlsx 文件，写入如下三个单元格：

    AB    A,B    A"B
    

    用 Excel 将它保存为 .csv 文件，然后用 Python 读取该 .csv 文件，可见它内容如下：

    >>> with open('test.csv', newline='') as f:   # 这里设置 newline='' 是为了避免自动替换换行符，从而保留原始的换行符
    ...     f.read()
    ...
    'AB,"A,B","A""B"\r\n'
    

import csv

：Python 的标准库，用于读写 csv 文件。

• 官方文档 (opens new window)

• 例：写入 .csv 表格

  >>> import csv
  >>> with open('test.csv', 'w', newline='') as f:
  ...     writer = csv.writer(f)    # 针对文件对象 f ，创建一个 csv 写入器
  ...     writer.writerow('hello')  # 写入表格的一行内容。该方法要求输入一个可迭代对象，将其中每个元素写作一个字段
  ...     writer.writerows('world') # 写入表格的多行内容。该方法要求输入一个可迭代对象，对其中每个元素执行一次 writerow()
  ...
  11
  

  • 检查写入 .csv 文件的内容：

    >>> with open('test.csv') as f:
    ...     f.read()
    ...
    'h,e,l,l,o\nw\no\nr\nl\nd\n'
    

• 例：读取 .csv 表格：

  >>> with open('test.csv', 'r') as f:
  ...     reader = csv.reader(f)  # 针对文件对象 f ，创建一个 csv 阅读器
  ...     headers = next(reader)  # 读取表格的第一行内容
  ...     print(headers)
  ...     for line in reader:     # 每次迭代，获取表格的一行内容
  ...         print(line)
  ...
  ['h', 'e', 'l', 'l', 'o']
  ['w']
  ['o']
  ['r']
  ['l']
  ['d']
  

  • 除了文件对象，针对其它可迭代对象，也可以创建 csv 阅读器。

    >>> data = ['a,b,c\n', '1,2,3']
    >>> [i for i in csv.reader(data)]
    [['a', 'b', 'c'], ['1', '2', '3']]
    

• CSV 文本格式没有严格的标准，存在多种方言（或者说风格）。

  • 常见的几种方言如下：

    >>> csv.list_dialects()
    ['excel', 'excel-tab', 'unix']
    

  • csv.reader() 和 csv.writer() 默认采用 dialect='excel' ，其定义如下：

    class excel(Dialect):
        delimiter = ','           # 相邻字段之间的分隔符
        quotechar = '"'           # 单个字段的定界符，避免单个字段被识别为多个字段
        doublequote = True        # 添加 quotechar 时，是否在当前字段的前后都加上 quotechar ，还是只在前面加上 quotechar
        skipinitialspace = False  # 是否忽略 delimiter 之后的空格
        lineterminator = '\r\n'   # 换行符
        quoting = QUOTE_MINIMAL   # 何时添加 quotechar 。QUOTE_ALL 表示总是添加。QUOTE_MINIMAL 表示尽量不添加，除非字段包含特殊字符
    

    • 改成 delimiter = '\t' ，就变成了 dialect='excel-tab' 方言。
    • 改成 lineterminator = '\n' 和 quoting = QUOTE_ALL ，就变成了 dialect='unix' 方言。
  • 例：自定义一种方言

    >>> class myDialect(csv.excel):
    ...     delimiter = '|'
    ...
    >>> csv.register_dialect('myDialect', myDialect)    # 注册 dialect
    >>> with open('test.csv', 'w', newline='') as f:
    ...     writer = csv.writer(f, dialect='myDialect') # 采用 dialect
    ...     writer.writerow('hello')
    ...
    

import openpyxl

：Python 的第三方库，用于读写 Excel 2010 软件生成的表格文件，扩展名通常为 .xlsx 或 .xlsm 。

• 官方文档 (opens new window)
• 安装：pip install openpyxl

Workbook

• 在 Excel 软件中，一个 .xlsx 文件，负责存储一个工作簿（Workbook）。

  • 一个 Workbook 包含任意个工作表（Worksheet）。
  • 每个 Worksheet 包含任意个单元格（cell）。这些单元格呈矩形排列，分为多行（row）、多列（column）。

• 例：创建表格

  >>> from openpyxl import Workbook
  >>> wb = Workbook()                   # 创建一个 Workbook 对象
  >>> wb.sheetnames                     # 列出所有 Worksheet 的名称。新创建的 Workbook 只包含一个 Worksheet
  ['Sheet']
  >>> ws = wb.create_sheet('Sheet1', 0) # 插入一个新的 Worksheet ，放在位置 0 处。如果不指定位置，则默认放在最后
  >>> ws.title = 'Sheet1'               # 修改 Worksheet 的名称
  >>> wb.save('1.xlsx')                 # 将 Workbook 保存为一个 .xlsx 文件
  

• 例：打开表格

  >>> from openpyxl import load_workbook
  >>> wb = load_workbook('1.xlsx')
  >>> wb.sheetnames
  ['Sheet1', 'Sheet']
  >>> ws = wb['Sheet1'] # 选择一个 Worksheet
  >>> ws
  <Worksheet "Sheet1">
  

  • 如果以只读模式打开 .xlsx 文件，则可以大幅减少内存开销：

    >>> wb = load_workbook('1.xlsx', read_only=True)
    >>> wb.close()  # 只读模式下，需要手动关闭对文件描述符的占用
    

  • 或者通过 open() 打开文件，载入内存：

    import io
    with open('1.xlsx', 'rb') as f:
        in_mem_file = io.BytesIO(f.read())
    
    wb = load_workbook(in_mem_file, read_only=True)
    

• 例：修改表格

  >>> ws.max_row        # 查询 Worksheet 的最大行数
  1
  >>> ws.max_column     # 查询 Worksheet 的最大列数
  1
  >>> ws.column_dimensions['A'].width = 20.0  # 设置列宽
  >>> ws.row_dimensions[1].height = 20.0      # 设置行高
  

Cell

• 例：插入一行单元格

  >>> ws.append([1, 2, 3])  # 在 Worksheet 末尾追加一行。要求输入一个可迭代对象，将其中每个元素保存为该行的一个单元格
  >>> ws.append([4, 5, 6])
  >>> ws.append([7, 8, 9])
  

• 例：遍历单元格

  >>> for row in ws:    # 遍历 Worksheet 的每行，每行由多个 cell 组成
  ...     print(row)
  ...
  (<Cell 'Sheet1'.A1>, <Cell 'Sheet1'.B1>, <Cell 'Sheet1'.C1>)
  (<Cell 'Sheet1'.A2>, <Cell 'Sheet1'.B2>, <Cell 'Sheet1'.C2>)
  (<Cell 'Sheet1'.A3>, <Cell 'Sheet1'.B3>, <Cell 'Sheet1'.C3>)
  

• 例：获取指定位置的单元格

  >>> ws.cell(row=1, column=1)  # 通过行号、列号，获取一个 cell 。两种编号都是从 1 开始递增
  <Cell 'Sheet1'.A1>
  >>> ws['A1']          # 通过索引，获取第 A 列、第 1 行的那个 cell
  <Cell 'Sheet1'.A1>
  >>> ws['A']           # 获取第 A 列，所有不为空的 cell
  (<Cell 'Sheet1'.A1>, <Cell 'Sheet1'.A2>, <Cell 'Sheet1'.A3>)
  >>> ws['1']           # 获取第 1 行，所有不为空的 cell
  (<Cell 'Sheet1'.A1>, <Cell 'Sheet1'.B1>, <Cell 'Sheet1'.C1>)
  >>> ws['A1':'B2']     # 通过切片，获取矩形范围内的一组 cell
  ((<Cell 'Sheet1'.A1>, <Cell 'Sheet1'.B1>), (<Cell 'Sheet1'.A2>, <Cell 'Sheet1'.B2>))
  

• 例：对单元格进行赋值

  >>> ws['A1'] = 'hello'  # 对 cell 赋值
  >>> ws['A1'].value      # 读取 cell 的值
  'hello'
  >>> ws['A10'].value     # 可以读取任意 cell 的值，如果取值为空，则返回 None
  >>> ws['C4'] = '=SUM(A1:C3)'  # 给 cell 赋值时，可以输入 Excel 的公式
  

• 关于坐标：

  >>> ws['A1'].coordinate     # 完整坐标
  'A1'
  >>> ws['A1'].row            # 行坐标
  1
  >>> ws['A1'].column         # 列坐标，用数字表示
  1
  >>> ws['A1'].column_letter  # 列坐标，用字母表示
  'A'
  

  >>> from openpyxl.utils import get_column_letter, column_index_from_string
  >>> get_column_letter(2)    # 将列坐标，从数字转换成字母
  'B'
  >>> column_index_from_string('AA')  # 将列坐标，从字母转换成数字
  27
  

• 关于字体：

  >>> cell.font.name  # 查看当前字体
  'Calibri'
  >>> cell.font.sz
  2.0
  

  from openpyxl.styles import Font
  font1 = Font(name='Calibri',   # 字体
              size=2.0,          # 字号
              bold=False,        # 加粗
              italic=False,      # 斜体
              underline='None',  # 下划线
              color='FF000000'   # 字体颜色
              ...)
  cell.Font = font1 # 设置字体