我们从网上爬取数据，最后一步会考虑如何存储数据。如果数据量不大，往往不会选择存储到数据库，而是选择存储到文件中，例如文本文件、CSV 文件、xls 文件等。因为文件具备携带方便、查阅直观。
Python 作为胶水语言，搞定这些当然不在话下。但在写数据过程中，经常因数据源中带有中文汉字而报错。最让人头皮发麻的编码问题。
我先说下编码相关的知识。编码方式有很多种：UTF-8， GBK， ASCII 等。
ASCII 码是美国在上个世纪 60 年代制定的一套字符编码。主要是规范英语字符和二进制位之间的关系。英语词汇组成简单，由 26 个字母构成。使用一个字节就能表示一个字母符号。外加各种符号，使用 128 个字符就满足编码要求。
不同国家有不同语言文字。同时，文字组成部分的数量相比英语字母要多很多。根据不完全统计，汉字的数量大约将近 10 万个，日常所使用的汉字有 3000 个。显然，ASCII 编码无法满足需求。所以汉字采用 GBK 编码，使用两个字节表示一个汉字。简体中文的编码方式是 GBK2312。
那 UTF-8 又是什么编码？这要先说 Unicode 了。Unicode 目的是为了统一各种编码。因为各国都各自的编码方式。如果使用一种编码编码，使用另一种编码解码。这会造成出现乱码的情况。但 Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。
因此，如果我们要写数据到文件中，最好指定编码形式为 UTF-8。
Python 标准库中，有个名为 csv 的库，专门处理 csv 的读写操作。具体使用实例如下：
import csv
import codecs
# codecs 是自然语言编码转换模块
fileName = ‘PythonBook.csv’
# 指定编码为 utf-8， 避免写 csv 文件出现中文乱码
with codecs.open（fileName， ‘w’， ‘utf-8’） as csvfile：
# 指定 csv 文件的头部显示项
filednames = ［‘书名’， ‘作者’］
writer = csv.DictWriter（csvfile， fieldnames=filednames）
books = ［］
book = {
‘TItle’： ‘笑傲江湖’，
‘author’： ‘金庸’，
}
books.append（book）
writer.writeheader（）
for book in books：
try：
writer.writerow（{‘书名’：book［‘TItle’］， ‘作者’：book［‘author’］}）
except UnicodeEncodeError：
print（“编码错误， 该数据无法写到文件中， 直接忽略该数据”）
这种方式是逐行往 CSV 文件中写数据， 所以效率会比较低。如果想批量将数据写到 CSV 文件中，需要用到 pandas 库。
pandas 是第三方库，所以使用之前需要安装。通过 pip 方式安装是最简单、最方便的。
pip install pandas
使用 pandas 批量写数据的用法如下：
import pandas as pd
fileName = ‘PythonBook.csv’
number = 1
books = ［］
book = {
‘TItle’： ‘笑傲江湖’，
‘author’： ‘金庸’，
}
# 如果 book 条数足够多的话，pandas 会每次往文件中写 50 条数据。
books.append（book）
data = pd.DataFrame（books）
# 写入csv文件，‘a+’是追加模式
try：
if number == 1：
csv_headers = ［‘书名’， ‘作者’］
data.to_csv（fileName， header=csv_headers， index=False， mode=‘a+’， encoding=‘utf-8’）
else：
data.to_csv（‘fileName， header=False， index=False， mode=’a+‘， encoding=’utf-8‘）
number = number + 1
except UnicodeEncodeError：
print（“编码错误， 该数据无法写到文件中， 直接忽略该数据”）
技术专区
- 教你怎么用Atollic TrueStudio 9.0
- SimpleLink Wi-Fi CC3100和CC3200器件设计
- BCM设计与开发的全面详解
- 如何用Python将数据写到CSV文件
- 凌华发表MXE-1500高性价比强固型无风扇嵌入式计算机
