Python3と2でのcsvファイル読み込み・書き出し(文字コードUTF-8対応編)
pythonでcsvファイルを読み書きするサンプルが、意外にまとまったものがなかったので、ちょっと調べたため、ここにメモしておきます。
特に、我々日本人はUTF-8やShift-JISなど、マルチバイト文字の入ったファイルを扱うことが多いので、それらの文字コードのcsvファイルを使うときのTipsです。
なお、Python3になって、Unicodeの扱いが簡単になったので、Python3では、比較的シンプルなソースで対応可能ですが、Python2ではマルチバイト用のラッパクラスを使う必要があったりします。
このラップクラスは、pythonのリファレンスに記載されていますが、使い方がいまいち分からなかったので、使い方も含めて、以下に記載しておきます。
Python3でのcsvのread&write
import csv try: with open('D:\MyDownload\input\Serial_Jisseki_input.csv', newline='', encoding='utf-8') as csvfile: csv_reader = csv.reader(csvfile, delimiter=',', quotechar='"') for row in csv_reader: print(','.join(row)) rows = [] rows.append(('あああ', 'いいい,ううう', 'ええええ', 'おおお')) rows.append(('python', 'aaaa', 'bbbbbb', 'ccc')) rows.append(('111', '2222', '333333', '4')) with open('D:\MyDownload\input\eggs.csv', 'w', newline='', encoding='utf-8') as csvfile: csv_writer = csv.writer(csvfile, delimiter=',', quotechar='"', quoting=csv.QUOTE_ALL) csv_writer.writerows(rows) except FileNotFoundError as e: print(e) except csv.Error as e: print(e)
Python2でのcsvのread&write
# coding: UTF-8 import csv, codecs, cStringIO class UTF8Recoder: """ Iterator that reads an encoded stream and reencodes the input to UTF-8 """ def __init__(self, f, encoding): self.reader = codecs.getreader(encoding)(f) def __iter__(self): return self def next(self): return self.reader.next().encode("utf-8") class UnicodeReader: """ A CSV reader which will iterate over lines in the CSV file "f", which is encoded in the given encoding. """ def __init__(self, f, dialect=csv.excel, encoding="utf-8", **kwds): f = UTF8Recoder(f, encoding) self.reader = csv.reader(f, dialect=dialect, **kwds) def next(self): row = self.reader.next() return [unicode(s, "utf-8") for s in row] def __iter__(self): return self class UnicodeWriter: """ A CSV writer which will write rows to CSV file "f", which is encoded in the given encoding. """ def __init__(self, f, dialect=csv.excel, encoding="utf-8", **kwds): # Redirect output to a queue self.queue = cStringIO.StringIO() self.writer = csv.writer(self.queue, dialect=dialect, **kwds) self.stream = f self.encoder = codecs.getincrementalencoder(encoding)() def writerow(self, row): self.writer.writerow([s.encode("utf-8") for s in row]) # Fetch UTF-8 output from the queue ... data = self.queue.getvalue() data = data.decode("utf-8") # ... and reencode it into the target encoding data = self.encoder.encode(data) # write to the target stream self.stream.write(data) # empty queue self.queue.truncate(0) def writerows(self, rows): for row in rows: self.writerow(row) try: with open('D:\MyDownload\input\Serial_Jisseki_input.csv','rb') as csvfile: csv_reader = UnicodeReader(csvfile) #csv_reader = UnicodeReader(csvfile, encoding='shift_jis') for row in csv_reader: print(','.join(row)) line = [u'あああ',u'いいいい',u'ううう'] with open('D:\MyDownload\input\eggs.csv','wb') as csvfile: csv_writer = UnicodeWriter(csvfile, quoting=csv.QUOTE_ALL) csv_writer.writerow(line) except csv.Error as e: print(e)
ちょっと解説
ソース中に出てくる「csv.QUOTE_ALL」は1つの項目を閉じる「”」などのクォートの指定で、以下のように定義されています。
- csv.QUOTE_ALL – 項目のタイプに関わらず、すべての項目につける
- csv.QUOTE_MINIMAL – 特殊文字の項目のみクォートをつける
- csv.QUOTE_NONNUMERIC – 数字「以外」の項目のみクォートをつける
- csv.QUOTE_NONE – クォートはつけない