从0开始重新学python+neo4j之文件读写、函数、异常

# 导入 pandas 库，用于处理 Excel 和 JSON 数据
import pandas as pd
# 导入 json 模块，用于读写 JSON 文件
import json


def writeJsonFile(filePath, data):
    """
    将给定的数据写入指定路径的 JSON 文件中。
    :param filePath: 要写入的 JSON 文件路径（字符串）
    :param data: 要写入的数据（通常是列表或字典）
    """
    try:
        # 以写入模式（'w'）打开文件，指定 UTF-8 编码以支持中文
        with open(filePath, 'w', encoding='utf-8') as f:
            # 使用 json.dump 将数据序列化为 JSON 格式并写入文件
            # ensure_ascii=False 允许非 ASCII 字符（如中文）正常显示
            # indent=4 使输出格式美观，缩进 4 个空格
            json.dump(data, f, ensure_ascii=False, indent=4)
    except FileNotFoundError:
        # 如果文件路径无效或目录不存在，捕获异常并提示
        print(f"文件{filePath}找不到")


def readJsonFileByJson(filePath):
    """
    使用标准 json 模块读取并打印 JSON 文件内容。
    :param filePath: 要读取的 JSON 文件路径
    """
    # 以只读模式打开 JSON 文件，使用 UTF-8 编码
    with open(filePath, 'r', encoding='utf-8') as f:
        # 使用 json.load 解析 JSON 文件内容并返回
        data = json.load(f)
    return data


def readJsonFileByPandas(filePath):
    """
    使用 pandas 读取 JSON 文件，并逐行逐列打印每个单元格的值。
    :param filePath: 要读取的 JSON 文件路径
    """
    # 使用 pandas 读取 JSON 文件，默认将 JSON 数组解析为 DataFrame
    df = pd.read_json(filePath)
    # 打印整个 DataFrame（表格形式）
    print(df)
    # 打印分隔线
    print("-" * 50)
    # 获取所有列名
    columns = df.columns
    # 遍历 DataFrame 的每一行（index 为行索引，row 为该行数据 Series）
    for index, row in df.iterrows():
        # 打印当前是第几行（从 1 开始计数）
        print(f"第{index + 1}行")
        # 遍历当前行的每一列
        for column in columns:
            # 获取该单元格的值
            value = row[column]
            # 如果值是 NaN（pandas 中的缺失值），则替换为字符串 "null"
            if pd.isnull(value):
                value = "null"
            # 打印格式：列名+行号: 值（例如：name1:张三）
            print(f"{column}{index + 1}:{value}")
        # 每行结束后打印较短的分隔线
        print("-" * 30)


def readExcel(filePath, sheetName):
    """
    读取指定 Excel 文件的指定工作表，并将其转换为 JSON 格式保存。
    :param filePath: Excel 文件路径
    :param sheetName: 要读取的工作表名称
    """
    try:
        # 打印分隔线
        print("-" * 50)
        # 提示成功读取文件
        print(f"成功读取文件：{filePath}")
        print("-" * 50)

        # 使用 pandas 读取 Excel 文件中的指定工作表
        df = pd.read_excel(filePath, sheetName)
        # 打印数据的形状（行数、列数）
        print(f"数据形状{df.shape} 行数：{df.shape[0]} 列数: {df.shape[1]}")
        print("-" * 50)

        # 获取所有列名并转为列表
        columns = df.columns.tolist()
        print(f"列明:{columns}")
        print("-" * 50)

        # 将 DataFrame 中的 NaN 值替换为 None（便于后续 JSON 序列化时显示为 null）
        df = df.where(pd.notnull(df), None)
        # 将 DataFrame 转换为字典列表格式：
        # 每一行是一条记录（字典），整个结果是一个列表
        data = df.to_dict(orient='records')
        # 注释掉的另一种格式：以行索引为 key，整行为 value（orient='index'）

        # 调用 writeJsonFile 函数，将转换后的数据写入 "jsonTest.json"
        writeJsonFile("jsonTest.json", data)

    except FileNotFoundError:
        # 如果 Excel 文件不存在，捕获异常并提示
        print(f"错误：找不到文件'{filePath}'")
    except Exception as e:
        # 捕获其他可能的异常（如格式错误、权限问题等）
        print(f"读取文件{filePath}时发生错误")


# 主程序入口：当脚本直接运行时执行以下代码
if __name__ == "__main__":
    # 1. 读取名为 "testexcel.xlsx" 的 Excel 文件中名为 "Sheet1" 的工作表，
    #    并将内容转换为 JSON 格式保存到 "jsonTest.json"
    readExcel("testexcel.xlsx", "Sheet1")
    # 2. 使用标准 json 模块读取并打印 "jsonTest.json" 的内容
    print(readJsonFileByJson("jsonTest.json"))
    # 打印分隔线，便于区分输出内容
    print("-" * 50)
    # 3. 使用 pandas 读取同一个 JSON 文件，并按行列详细打印每个字段值
    readJsonFileByPandas("jsonTest.json")