1. 基础语句

1.1 文件的读取

 如果需要读取一行数据如下表1所示，那么需要读取域名下面的数据，便使用如下代码：

with open("A.csv","rb") as csvfile:
    reader = csv.reader(csvfile)
    rows = [row for row in reader]

 其中每一个row就是一行[“121.241.244.92”, “known attacker”, “”blocklist.de (+dataplane.org,greensnow.co,rulez.sk,rutgers.edu)””]，对应的row[0]就是121.241.244.92。
那么读取某一列就很容易了，取出每一row里面的第0个元素组成colum，便是下面的语句可以取得第0列 column0 = [row[0] for row in reader] 。而取得某一行便相对复杂一些，代码如下：

import csv
with open("A.csv","rb") as csvfile:
    reader = csv.reader(csvfile)
    for i,rows in enumerate(reader):
        if i == 2:
            row = rows

 上面的代码中，运用到了enumerate函数，enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。即对于一个列表中每一个元素添加一个索引。通过索引选取对于的行。
seasons = [“Spring”, “Summer”, “Fall”, “Winter”]
list(enumerate(seasons))
[(0, “Spring”), (1, “Summer”), (2, “Fall”), (3, “Winter”)]

reader列表
[[“121.241.244.92”, “known attacker”, “”blocklist.de (+dataplane.org,greensnow.co,rulez.sk,rutgers.edu)””],
[“121.32.150.82”, “known attacker”, “”blocklist.de (+dataplane.org,greensnow.co)””],
[“121.33.237.102”, “known attacker”, “”blocklist.de (+dataplane.org,greensnow.co,rutgers.edu)””]]

表1

1.2 文件的写入

 文件的写入就相对简单很多，只需记得”a+”是追加写入文件、”W”是覆盖写入即可，直接贴出下面的代码：

with open("test.csv", "a+") as csvfile:
    writer = csv.writer(csvfile)
    writer.writerow(rows)
                    

2. 在工程中的运用

 情景：面对一份上百万的trails.csv文件，如下图所示，现在我需要把第一列的中只含有ip或者是IP:port的那一行读取出来，并且放入新的文件中。

在这就需要使用正则表达式对ip进行匹配，匹配成功输入文件中。匹配IPV4及端口号的正则 Ad+.[0-9.]+|Ad+.[0-9.]+:[0-8]+。这里使用到search语句进行匹配，代码如下：

with open("trails.csv", "r", encoding = "utf-8") as f:
    reader = csv.reader(f)
    for rows in reader:
        m = re.search(r"Ad+.[0-9.]+|Ad+.[0-9.]+:[0-8]+", rows[0])
        if m:
            with open("test.csv", "a+") as csvfile:
                writer = csv.writer(csvfile)
                writer.writerow(rows)

参考文献

[1]风景不在对岸wj.Python 读取csv的某行[EB/OL].https://blog.csdn.net/u011089523/article/details/52372962,2016-08-30.
[2]test_soy.Python 读取csv的某列[EB/OL].https://blog.csdn.net/test_soy/article/details/79718458?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3.control,2018-03-27.