Python 資料處理：CSV、JSON、XML 與 YAML 完全指南

簡介

在日常開發與資料分析的工作中，資料交換格式是不可或缺的橋樑。
CSV、JSON、XML、YAML 四大格式各有特點，從簡單的表格資料到階層式結構、再到可讀性極佳的設定檔，都常在 Python 專案裡交替使用。
掌握它們的讀寫方法，不只可以讓程式與外部系統順利溝通，也能大幅提升資料前處理與自動化腳本的效率。

本篇文章以 Python 3 為例，從概念說明、實作範例、常見陷阱到最佳實踐，帶你一步步完成 CSV、JSON、XML、YAML 的完整操作，適合剛踏入程式設計的初學者，也能為中階開發者提供實務參考。

---

核心概念

1. CSV（Comma‑Separated Values）

CSV 是最傳統的表格資料格式，每一列代表一筆紀錄，欄位以逗號（或其他分隔符）分隔。
Python 內建的 csv 模組提供讀寫支援，且支援自訂分隔符、編碼與換行處理。

1.1 讀取 CSV

import csv

# 讀取檔案時使用 utf-8-sig 以正確處理 BOM
with open('data.csv', newline='', encoding='utf-8-sig') as f:
    reader = csv.DictReader(f)        # 以欄位名稱建立 dict
    for row in reader:
        # row 為 {'name': 'Alice', 'age': '30', ...}
        print(row['name'], int(row['age']))

1.2 寫入 CSV

import csv

data = [
    {'name': 'Bob', 'age': 25, 'city': 'Taipei'},
    {'name': 'Carol', 'age': 28, 'city': 'Kaohsiung'}
]

with open('out.csv', mode='w', newline='', encoding='utf-8') as f:
    fieldnames = ['name', 'age', 'city']
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    writer.writeheader()               # 寫入欄位名稱
    writer.writerows(data)             # 一次寫入多筆

---

2. JSON（JavaScript Object Notation）

JSON 是現代 Web API 的事實標準，以鍵值對的形式表達資料，支援巢狀結構。
Python 的 json 模組提供序列化（dump/dumps）與反序列化（load/loads）功能。

2.1 讀取 JSON

import json

with open('config.json', encoding='utf-8') as f:
    config = json.load(f)               # 直接得到 dict / list
    # 取得嵌套值
    db_host = config['database']['host']
    print(f"DB Host: {db_host}")

2.2 寫入 JSON（美化輸出）

import json

result = {
    'status': 'ok',
    'data': [1, 2, 3, 4],
    'message': None
}

with open('result.json', mode='w', encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)
    # ensure_ascii=False 讓中文直接顯示，indent=4 美化排版

2.3 處理非 UTF‑8 編碼的 JSON

import json

# 若檔案是 big5 編碼，需要先 decode 後再 load
with open('big5.json', 'rb') as f:
    raw = f.read()
    text = raw.decode('big5')
    data = json.loads(text)

---

3. XML（eXtensible Markup Language）

XML 以樹狀結構描述資料，常見於 舊系統、設定檔或大型企業資料交換。
Python 有 xml.etree.ElementTree（簡易）與 lxml（功能完整）兩種常用套件。

3.1 讀取 XML（ElementTree）

import xml.etree.ElementTree as ET

tree = ET.parse('books.xml')
root = tree.getroot()                     # <catalog>

for book in root.findall('book'):
    title = book.find('title').text
    price = float(book.find('price').text)
    print(f"{title}: ${price:.2f}")

3.2 建立 XML 並寫入檔案

import xml.etree.ElementTree as ET

root = ET.Element('people')
person = ET.SubElement(root, 'person', attrib={'id': '001'})
ET.SubElement(person, 'name').text = 'David'
ET.SubElement(person, 'age').text = '34'

tree = ET.ElementTree(root)
tree.write('people.xml', encoding='utf-8', xml_declaration=True)

3.3 使用 lxml 取得 XPath

from lxml import etree

doc = etree.parse('books.xml')
# 取得所有價格大於 30 的書名
titles = doc.xpath('//book[price>30]/title/text()')
print(titles)

---

4. YAML（YAML Ain't Markup Language）

YAML 強調 可讀性與直觀的縮排結構，常用於設定檔（如 Docker Compose、GitHub Actions）或資料序列化。
Python 主要使用 PyYAML 套件。

4.1 讀取 YAML

import yaml

with open('settings.yaml', encoding='utf-8') as f:
    cfg = yaml.safe_load(f)               # 只允許安全類型
    print(cfg['server']['port'])

4.2 寫入 YAML（保留順序）

import yaml
from collections import OrderedDict

data = OrderedDict([
    ('name', 'Eve'),
    ('roles', ['admin', 'user']),
    ('active', True)
])

with open('user.yaml', 'w', encoding='utf-8') as f:
    yaml.dump(data, f, allow_unicode=True, sort_keys=False)

4.3 讀寫多文件（--- 分隔）

import yaml

multi_doc = """
---
name: Alice
age: 30
---
name: Bob
age: 25
"""

docs = list(yaml.safe_load_all(multi_doc))
for d in docs:
    print(d['name'], d['age'])

---

常見陷阱與最佳實踐

格式	常見錯誤	建議的最佳實踐
CSV	逗號未被正確轉義，導致欄位錯位。	使用 csv 模組的 quotechar 與 quoting=csv.QUOTE_MINIMAL，或改用 pandas.read_csv 處理大型檔案。
JSON	NaN、Infinity 會在 json.dump 時拋錯。	先將非 JSON 可序列化的值轉為 null 或字串，或使用 json.dumps(..., allow_nan=False) 捕捉例外。
XML	命名空間（namespace）未處理，XPath 失效。	使用 ElementTree.register_namespace 或在 lxml 中加入 nsmap，統一管理前綴。
YAML	不安全的 yaml.load 可能執行任意程式碼。	永遠使用 yaml.safe_load，若需要自訂類別，使用 yaml.FullLoader 並明確註冊。
共通	編碼不一致（UTF‑8、Big5、UTF‑16）導致讀取失敗。	開檔時明確指定 encoding，必要時先偵測檔案編碼（如 chardet 套件）。

其他實用技巧

• 使用 Path（pathlib） 替代字串路徑，提高跨平台相容性。
• 大量資料時考慮流式處理（csv.reader 逐行、json.load 逐物件、iterparse 解析 XML）。
• 加入型別檢查（pydantic、dataclasses）讓資料結構更安全、易於除錯。

---

實際應用場景

1. 資料匯入與匯出：

   • 從舊系統匯出 CSV，使用 pandas 轉為 DataFrame，清洗後再寫入 JSON 供前端 API 使用。

2. 設定與部署：

   • 使用 YAML 撰寫 CI/CD 工作流程（GitHub Actions），在部署腳本中讀取 JSON API 回傳的設定，動態生成 Docker Compose 檔案。

3. 跨系統整合：

   • 與第三方 ERP 系統交換 XML 報表，利用 lxml 的 XPath 快速抽取關鍵欄位，轉存為 CSV 供業務分析。

4. 日誌與監控：

   • 將應用程式的錯誤訊息以 JSON 格式寫入 log，並以 Python 定時任務（schedule）將每日 log 轉換成 CSV，供 Excel 報表使用。

---

總結

• CSV 適合簡單表格資料，使用 csv 模組可避免欄位錯位與編碼問題。
• JSON 是 Web API 的首選，務必注意 UTF‑8、null 與非標準數值的處理。
• XML 雖然較為冗長，但在企業級資料交換仍佔一席之地，ElementTree 為入門，lxml 為進階。
• YAML 以可讀性見長，適合設定檔與多文件序列化，務必使用 safe_load 以免安全風險。

掌握上述四種格式的讀寫技巧，並結合 編碼統一、流式處理與型別驗證 的最佳實踐，能讓你的 Python 資料處理工作更加穩定、可維護且高效。未來在面對不同系統、不同需求時，只要選對工具、寫對程式，就能輕鬆完成資料的轉換與搬運。祝你在 Python 的資料處理之路上越走越遠！