Dateiverarbeitung in Python- CSV-, JSON- und Textdateien fortgeschritten nutzen

Dateiverarbeitung in Python: CSV-, JSON- und Textdateien fortgeschritten nutzen

Ein praxisorientierter Leitfaden zur strukturierten Verarbeitung, Umwandlung und Automatisierung von Datei-Inhalten mit Python

Inhaltsverzeichnis

Kapitel 1: Einführung in die Dateiverarbeitung

• Warum Dateiformate wichtig sind
• Text, CSV und JSON im Vergleich
• Der Python-Weg: Klar, strukturiert, automatisierbar
• Grundregeln für saubere Dateiverarbeitung

Kapitel 2: Fortgeschrittenes Arbeiten mit Textdateien

• Zeilenweise Lesen und Schreiben
• Kodierungen (UTF-8, ISO-8859-1) erkennen und nutzen
• Arbeiten mit Kontextmanagern (with open() as …)
• Mini-Projekt: Logdatei filtern und bereinigen

Kapitel 3: Komplexe Textverarbeitung und Formatierung

• Suchen und Ersetzen mit regulären Ausdrücken
• Zeichenweise Verarbeitung großer Dateien
• Umgang mit Absätzen, Sonderzeichen und Strukturmustern
• Mini-Projekt: E-Mail-Extraktion aus Textarchiv

Kapitel 4: CSV-Dateien professionell lesen und schreiben

• csv.reader und csv.writer verstehen
• Mit DictReader und DictWriter arbeiten
• Spalten sortieren, gruppieren, filtern
• Mini-Projekt: Kundendaten zusammenfassen und exportieren

Kapitel 5: Große CSV-Dateien effizient verarbeiten

• Chunkweise Verarbeitung mit pandas
• Lazy-Loading und Speicheroptimierung
• Spaltenumwandlungen und Datentypprüfung
• Mini-Projekt: Umsatzdaten auswerten und bereinigen

Kapitel 6: JSON-Dateien lesen, schreiben und transformieren

• Arbeiten mit json.load(), json.dump()
• JSON-Dateien in Python-Objekte umwandeln
• Schachtelungen, Listen und Dictionaries
• Mini-Projekt: Einstellungen aus JSON-Datei einlesen und anwenden

Kapitel 7: JSON strukturieren, filtern und mergen

• Zugriff auf tief verschachtelte Daten
• Daten extrahieren, filtern, zusammenführen
• JSON-Dateien in andere Formate umwandeln
• Mini-Projekt: API-Daten als JSON speichern und bereinigen

Kapitel 8: Kombination von Dateiformaten

• Text + CSV: Analyse aus Log- und Exportdateien
• JSON → CSV: Umwandlung von Daten für Tabellenkalkulation
• CSV → JSON: Strukturiertes Speichern von Tabellen
• Mini-Projekt: Benutzerfeedback strukturieren und analysieren

Kapitel 9: Fehlerbehandlung und Robustheit

• Typische Fehler: FileNotFoundError, JSONDecodeError, UnicodeError
• Try-Except-Blöcke für Dateiverarbeitung
• Logging von Import-/Exportfehlern
• Mini-Projekt: Validierter Dateiimport mit Protokollierung

Kapitel 10: Automatisierung von Dateioperationen

• Verzeichnisse automatisch durchsuchen mit os und glob
• Dateioperationen: Kopieren, Umbenennen, Archivieren
• Zeitgesteuerte Verarbeitung (z. B. mit schedule)
• Mini-Projekt: Wöchentlicher CSV-Export aus Rohdaten

Anhang A: Übersicht nützlicher Standard- und Drittanbieter-Module

• csv, json, os, glob, re, pandas, pathlib
• Installationshinweise und Kurzanleitungen

Anhang B: Vergleich von Dateiformaten und Einsatzgebieten

• Tabelle mit Vor- und Nachteilen von CSV, JSON, TXT
• Wann welches Format sinnvoll ist

Anhang C: Übungsaufgaben mit Lösungen

• Datei analysieren, umwandeln, bereinigen
• Datensätze vergleichen und mergen
• Fehlerhafte Formate abfangen
• Lösungen mit Kommentaren und Schritt-für-Schritt-Erklärung