存路径：D:\python\用Python读取csv文件中的沪深300指数历史交易数据

程序名称：readcsvhs300.py；

数据名称：沪深300指数历史交易数据.csv；

开发环境：Win7；

开发工具：Python 3.8.2 IDLE；

Python安装路径：D:\python。

1、下载沪深300指数历史交易数据

在浏览器中打开网址http://quotes.money.163.com/trade/lsjysj_zhishu_399300.html，于网页的右侧点击下载数据按钮，下载沪深300指数历史交易数据，其下载界面如图1所示：

将下载结果保存到保存路径下，命名为：沪深300指数历史交易数据.csv。

2、查看csv文件中的数据

用Excel打开沪深300指数历史交易数据.csv文件，查看下载的沪深300指数历史交易数据，效果如图2所示：

3、编程读取csv文件中的数据

运行Python 3.8.2 IDLE开发工具，编程读取csv文件中沪深300指数历史交易数据的源代码，将源代码保存到保存路径下，命名为：readcsvhs300.py。

源代码及其注释如下所示：

import csv #导入csv模块 
csv_file=csv.reader(open('沪深300指数历史交易数据.csv','r')) #以只读方式打开csv文件
csv_content=[] #定义存储整个csv文件的列表
for line in csv_file: #按行对csv文件进行循环
    csv_content.append(line) #按行将csv文件读取到列表中
for line in range(0,20,1): #对前20行进行循环
    print(csv_content[line][0]+'  '+csv_content[line][3]) #打印每行的第0列和第3列

4、运行程序

在Python 3.8.2 IDLE开发工具中，按F5键，运行readcsvhs300.py程序，运行结果如图3所示：

ablib 是 requests 库作者常年维护的一个 python 第三方库，可以操作 Excel 等多种文件格式变成一种通用数据集。

tablib 支持的主要数据格式有：

• xls， 老版 office 的 Excel 文件格式；
• xlsx 系列，新版 office 文件格式；
• JSON
• YAML
• HTML
• CSV
• df，（pandas 的 DataFrame, 需要安装 pandas）

tablib 操作测试用例的基础使用非常简单，你只需要记住以下 2 点：

1. 使用 import_set 导入 Excel 文件

  with open('demo.xls', 'rb') as f:
    # 接受 2 个参数，读出来的数据和读取的文件格式
    data = tablib.import_set(f.read(), 'xls')
    print(data)
复制代码

2. 使用 DataSet 创建 Excel 表格

  data = tablib.Dataset(*data_list, headers=headers,title='测试用例')
复制代码

现在来进行更精确的操作：

行列数据操作

先通过加载 Excel 文件获取到数据

  a = tablib.import_set(f.read(), 'xls')
复制代码

a 得到的是一个列表，每个元素是每一行数据。

1. 获取行

  # 获取第一行第一列
print(a[0][0])

# 获取第一行的 url 列
print(a.dict[0]['url'])

# 获取前 2 行
print(a[:2])
复制代码

2. 获取列

  print(a['url'])
复制代码

3. 插入行

  with open('demo_book.xls', 'rb+') as f:

    a = tablib.import_set(f.read(), 'xls')
    print(a)
    # 添加行
    a.append(['zhiwang', 'put', '成功'])
  
    # 在指定行插入
    a.insert(2,['zhiwang', 'put', '成功'])


with open('demo_book.xls', 'wb') as f:
    f.write(a.xls)
print(a)
复制代码

4. 插入列

  # 在最后添加
a.append_col(['成功','失败', '失败'], header='actual_result')

# 在指定位置添加列
a.insert_col(3,['成功','失败', '失败'], header='actual_result')
复制代码

5. 修改

  # 修改某一行数据
a[0] = ('baidu', 'put', 'shibai', 'shibai')

# 修改某个具体的数据
a._data[0][0] = 'wobuzhidao'
复制代码

注意：不要在代码里直接操作 a._data, 可以封装成方法。

冒烟用例执行

在测试过程中，我们经常需要执行冒烟用例。或者给测试用例打标签，比如登录功能，成功用例，异常用例等等。tablib 通过 tags 关键字方便删选指定的测试用例来执行。

1. 添加 tags

  # 添加标签
a.append(['buzhi', 'put', 'c','c'], tags=['成功'])
# 获取所有‘成功’的测试用例
success = a.filter(tag='成功')
复制代码

2. 修改 tags

  # 将测试用例的标签修改成‘失败’
a._data[0].tags = ['失败']
# 获取所有‘失败’ 的测试用例
failed = a.filter(tag='失败')
print(failed)
复制代码

3. 去除重复元素

  a.remove_duplicates()
复制代码

灵活的格式切换

测试数据最常用的功能是需要切换格式，比如把 Excel 格式的数据切换成 YAML , 这个在接口自动化测试框架 httprunner 中经常用到。还是用 a 来表示 DataSet 数据：

1. 存储为 YAML 文件：

  with open('demo.yml', 'w', encoding='utf-8') as f:
    f.write(a.yaml)
复制代码

2. 导入 YAML 文件：

  with open('demo.yml', 'r') as f:
    a = tablib.Dataset().load(f.read(), format='yaml')
    print(a.html)
复制代码

效果：

651 x 193

3. 导出为 HTML ：

  with open('demo.html', 'w', encoding='utf-8') as f:
    f.write(data.html)
复制代码

效果：

728 x 188 879 x 227

5. 导出为 json:

  with open('demo.json', 'w', encoding='utf-8') as f:
    f.write(data.json)
复制代码

效果：

  [
    {
        "url": "baidu",
        "method": "get",
        "expect": "failed"
    },
    {
        "url": "lemon",
        "method": "post",
        "expect": "success"
    }
]
复制代码

其他常用方法

• lpop(),lpush(row, tags=[]),lpush_col(col, header=None) 是对列的相关操作
• pop(),rpop(),rpush(row, tags=[]),rpush_col(col, header=None) 是对行的相关操作
• remove_duplicates() 去除重复的记录
• sort(col, reverse=False) 根据列进行排序
• subset(rows=None, cols=None) 返回子 Dataset
• wipe() 清空 Dataset，包括表头和内容

总结

tablib 这个库非常灵活，用法非常好记，完全符合我们对 Excel 的理解。非常适用于 python 自动化测试的用例数据管理。只有一个缺点：中文资料太少。后面我会翻译一些优秀的英文文档，让更多人把这个优秀的库用起来。

最后:【可能给你带来帮助的教程】（私聊q1领取）

这一些资料，对做【软件测试】的朋友而言应该是较为完整了，这类学习资料也陪伴我走过了最艰难的路程，希望也可以帮助到你！万事要尽早，尤其是技术行业，一定要提升技术功底。