第十五篇 Python之文件处理
Posted mamingchen
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了第十五篇 Python之文件处理相关的知识，希望对你有一定的参考价值。
一 文件操作
- 介绍
计算机系统分为：计算机硬件，操作系统，应用程序三部分。
我们用python或其他语言编写的应用程序若想要把数据永久保存下来，必须要保存于硬盘中，这就涉及到应用程序要操作硬件，众所周知，应用程序是无法直接操作硬件的，这就用到了操作系统。操作系统把复杂的硬件操作封装成简单的接口给用户/应用程序使用，其中文件就是操作系统提供给应用程序来操作硬盘虚拟概念，用户或应用程序通过操作文件，可以将自己的数据永久保存下来。
有了文件的概念，我们无需再去考虑操作硬盘的细节，只需要关注操作文件的流程：
#1. 打开文件，得到文件句柄并赋值给一个变量 #2. 通过句柄对文件进行操作 #3. 关闭文件
什么是句柄？
1.代码的运行是在内存中运行的，在下一步要读文件内容，而文件内容在硬盘上，所以需要将硬盘上的文件加载到内存中，open（）函数则提供了这个功能，相当于向操作系统要了一个鱼网，这个鱼网
就是句柄。open实际上是在调操作系统，由操作系统最终给你返回一个鱼网，即句柄
将句柄赋值给一个变量f,有了这个f句柄，就可以操作硬盘的文件了。
2.有了鱼网（f），下一步想要什么鱼，就用鱼网捞就行了，或者想往操作系统里放什么鱼，都可以通过鱼网进行。对应的代码就是read,write等方法，如：f.read()
3.关闭文件.实际上关闭的不是文件，而是将鱼网回收。如果不关闭，那操作系统就一直给你发放鱼网，就会占用操作系统的资源一直不释放。
重点强调的
#强调第一点： 打开一个文件包含两部分资源：操作系统级打开的文件+应用程序的变量。在操作完毕一个文件时，必须把与该文件的这两部分资源一个不落地回收，回收方法为： 1、f.close() #回收操作系统级打开的文件 2、del f #回收应用程序级的变量 其中del f一定要发生在f.close()之后，否则就会导致操作系统打开的文件还没有关闭，白白占用资源， 而python自动的垃圾回收机制决定了我们无需考虑del f，这就要求我们，在操作完毕文件后，一定要记住f.close() 为了避免忘记f.close(),推荐傻瓜式操作方式：使用with关键字来帮我们管理上下文 with open(\'a.txt\',\'w\') as f: pass with open(\'a.txt\',\'r\') as read_f,open(\'b.txt\',\'w\') as write_f: data=read_f.read() write_f.write(data) 强调第一点：资源回收 #强调第二点： f=open(...)是由操作系统打开文件，那么如果我们没有为open指定编码，那么打开文件的默认编码很明显是操作系统说了算了，操作系统会用自己的默认编码去打开文件，在windows下是gbk，在linux下是utf-8。 这就用到了上节课讲的字符编码的知识：若要保证不乱码，文件以什么方式存的，就要以什么方式打开。 f=open(\'a.txt\',\'r\',encoding=\'utf-8\') 强调第二点：字符编码
2. Python 中的进行文件处理的流程示例
#一. 打开文件，得到文件句柄并赋值给一个变量 f=open(\'a.txt\', \'r\', encoding=\'utf-8\') 打开文件的过程中需要注意的几个问题： # 1.文件路径:示例中的文件没有加路径，是因为该文件与python文件是在同一个目录的;如果不在同一个目录就需要指定文件路径 # 2.默认打开模式就为r # 3.open不是找Python的编码，open函数默认的是检索你所用的操作系统的编码。所以打开文件为避免异常，需要指定编码格式，文件用什么编码格式，打开文件就需要指定对应的编码格式。 # 4.如果Pycharm写的文件默认保存为 utf-8； # 5.mac默认的文件编码是utf-8 #二. 通过句柄对文件进行操作 data=f.read() #三. 关闭文件 f.close()
3. f = open(\'a.txt\'，\'r\')的过程分析
#1、由应用程序向操作系统发起系统调用open(...) #2、操作系统打开该文件，并返回一个文件句柄给应用程序 #3、应用程序将文件句柄赋值给变量f
二 打开文件的模式
文件句柄 = open(\'文件路径\', \'模式\')
模式可以是下面的一种或者他们之间的组合：
| Character | Meaning |
| ‘r\' | open for reading (default) |
| ‘w\' | open for writing, truncating the file first |
| ‘a\' | open for writing, appending to the end of the file if it exists |
| ‘b\' | binary mode |
| ‘t\' | text mode (default) |
| ‘+\' | open a disk file for updating (reading and writing) |
| ‘U\' | universal newline mode (for backwards compatibility; should not be used in new code) |
#1. 打开文件的模式有(默认为文本模式)： r， 只读模式【默认模式，文件必须存在，不存在则抛出异常】 w， 只写模式【不可读；不存在则创建；存在则清空内容】 a， 只追加写模式【不可读；不存在则创建；存在则只追加内容】 #2. 对于非文本文件，我们只能使用b模式，"b"表示以字节的方式操作（而所有文件也都是以字节的形式存储的，使用这种模式无需考虑文本文件的字符编码、图片文件的jgp格式、视频文件的avi格式） rb wb ab 注：以b方式打开时，读取到的内容是字节类型，写入时也需要提供字节类型，不能指定编码 #3. 了解部分 "+" 表示可以同时读写某个文件 r+， 读写【可读，可写】 w+，写读【可读，可写】 a+， 写读【可读，可写】 x， 只写模式【不可读；不存在则创建，存在则报错】 x+ ，写读【可读，可写】 xb # 回车与换行的来龙去脉 http://www.cnblogs.com/linhaifeng/articles/8477592.html # U模式 \'U\' mode is deprecated and will raise an exception in future versions of Python. It has no effect in Python 3. Use newline to control universal newlines mode. # 总结： 在python3中使用默认的newline=None即可，换行符无论何种平台统一用\\n即可 了解U模式与换行符 三 操作文件的方法 三种最常用，最纯净的文件操作模式：r、w、a 模式 1. r 模式 读操作 f = open(\'test.txt\',\'r\',encoding = \'utf-8\') # r 模式，读的方法 # data = f.read() # read代表读取文件全部 print(f.readable()) # True 表示该文件可读 print(\'第一行\',f.readline()) # 一次读一行。即使文件里有多行，运行一次也只执行一行。 print(\'第二行\',f.readline()) print(\'第三行\',f.readline()) print(\'第四行\',f.readline()) # 结果 第一行 你好啊， 第二行 adb 第三行 djfafjad 第四行 世界你好 # readline()读取文件的结果，每行之间都空着一行，这是因为每行结尾的时候都有个回车空格导致，解决方法如下： print(\'1行\',f.readline(),end = "") print(\'2行\',f.readline(),end = "") print(\'3行\',f.readline(),end = "") print(\'4行\',f.readline(),end = "") # 结果 ， 就把上面的空行给去掉了。 1行 你好啊， 2行 adb 3行 djfafjad 4行 世界你好 print(f.readlines()) # 读取文件内容，并放到一个列表里 # 结果 [\'你好啊，\\n\', \'adb\\n\', \'djfafjad \\n\', \'世界你好\\n\']
2. w 模式 写操作
f = open(\'test.txt\',\'w\',encoding = \'utf-8\') f.read() # 报错 io.UnsupportedOperation: not readable # 原因：句柄指定的是写方法，不可读的。
f = open(\'test.txt\',\'w\',encoding = \'utf-8\') # w 写模式，都是新建一个空文档，直接覆盖原来的文件。 # test.txt 文件存在，直接运行上面的文件，会清空test.txt文件 f1 = open(\'test1.txt\',\'w\',encoding = \'utf-8\') # test1.txt文件不存在，会直接新建一个test1.txt空文件 f1.write(\'1111\\n\') f1.write(\'1232\\n\') f1.write(\'1232\\n\') f1.write(\'1111\\nfjdfl\\njadlj\') f1.write(\'接着上面的行写，不会换行\') # 如过写文件内容的时候没有加\\n换行符，就会直接紧挨着写 # 写到test1.txt文件里的结果 1111 1232 1232 1111 fjdfl jadlj接着上面的行写，不会换行 print(f1.writable()) # True 代表可写入 # writelines 是传入一个列表，列表里写上要写入文件的内容 f1.writelines([\'555\\n\',\'666\\n\']) # 写到test1.txt文件里的结果 1111 1232 1232 1111 fjdfl jadlj接着上面的行写，不会换行 555 666 # 注意： 读取、写入文件里的内容全都是字符串，如果输入非字符串类型就会报错 f1.write(3) # TypeError: write() argument must be str, not int
3. a 模式 追加操作
a 模式本身就是写模式，只不过是以追加的方式写到文件的最后。
f=open(\'test1\',\'a\',encoding=\'utf-8\') f.write(\'写到文件最后\') #结果 11111111 222222222 333 4444 555 555 6666 555 6666 写到文件最后
其他文件操作模式：
4. r+ 模式：既能读，又能写
示例1： # 1. 先打开文件 f = open(\'rj\',\'r+\',encoding= \'utf-8\') # 2. 再读取文件 data = f.read() print(data) # 结果 你是谁 # 3. 最后写入文件（此时经过读取，光标已经定位在最后了，所以新写入的内容都在原文件内容的最后面） f.write(\'123ssn\') #结果 你是谁123ssn # 新写入的123ssn为什么直接写在了原文件内容的后面，而没有换行呢？ 因为原文件内容写完 你是谁之后没有按回车键进行换行，所以直接接着写了。 如果在你是谁之后操作了回车换行，再写入就新起了一行 # 结果 你是谁 123ssn 示例2： # 打开文件，没有读，直接写 f = open(\'rj\',\'r+\',encoding= \'utf-8\') f.write(\'sb\') #结果 123ssn谁 # 123ssn为什么会写在最前面？“你是”两个字哪里去了？ 文件根本就没有修改这么一说，全都是覆盖。 所以一打开文件，光标就停留在最开始的位置写入是从光标所在的位置开始写的，所以123ssn会写在最前面，后面的内容也被覆盖掉了。 # 那么我们平时常见的文件修改是怎么完成的呢？ 首先，要改是通过软件（word/txt,cat等）打开文件，将文件内容全部都加载到了内存当中 其次，在内存当中是可以修改文件的 最后，当文件修改完成后，还是需要通过软件保存文件。而软件会将内存中的文件全部覆盖回去到硬盘上。 这就是我们看到的对文件的修改。 示例3：模拟文件的修改过程: 原文件的内容： 你是谁， who am i ? 1. 先打开了源文件 src_file = open(\'rj\',\'r\',encoding = \'utf-8\') 读的方式打开 2. 读取文件内容并复制给一个变量，存在内存里 data = src_file.readlines() # 读取的文件内容是个列表了 3. 关闭原文件 src_file.close() 4. 再打开了一个新的文件，因为刚才的文件内容已经读取到且放在了内存里，所以此时再写，就可以指定其他的编码方式了 dst_f = open(\'rj\' , \'w\', encoding = \'gbk\') 5. 模拟修改文件的，所以只需写入第一行文件内容 dst_f.write(data[0]) # 修改完之后，文件内容如下： 你是谁，
5. with 关键字
上面的方法打开文件后，都需要专门写个close()方法关闭文件，而使用with关键字则可以一步到，不用再单独写close()关闭文件了。
示例1： with open(\'rj\', \'w\', encoding=\'utf-8\') as f: f.write(\'with方式打开文件\\n\') # open(\'rj\', \'w\', encoding=\'utf-8\') as f 这个语句意思等于 f = open(\'rj\', \'w\', encoding=\'utf-8\') # 只不过加上了with关键字，就不需要再专门写个close()方法来关闭文件了 示例2：with 同时打开两个文件 # Python里一行不要写太长的代码，可以通过 \\ 来换行连接 # 需求：从原文件里读到的内容，直接不做修改，写到新的文件里 with open(\'rj\', \'r\', encoding=\'utf-8\') as f, \\ open(\'rj_new\', \'w\', encoding= \'utf-8\') as dis_file: data = f.read() dis_file.write(data)
文件的高级操作：
Linux处理文件全部都是二进制的方式
6. 文件处理b模式
写在最前：b的方式不能指定编码，无论是rb,wb,ab都不能指定编码
为什么要用二进制？
二进制代表处理数据的方式，并不代表最后的内容。文件默认处理就是以t模式进行，即文本模式，所以 r = rt, w = wt, a =at, 只是省略了t。
1. 文件并不仅仅是文本，还有图片，视频，音频等，如果还以t的方式就处理不了，就需要以二进制的方式处理，即b方式处理，这是由文件的类型决定的。
2. 二进制这种方式可以跨平台，Linux，Windows，unit等各种操作系统，都是使用硬件（如硬盘）来处理数据，操作系统把文件交给硬盘，而硬盘存储的都是二进制的内容，所以操作系统给硬盘的文件都得是二进制的。所以以二进制方式处理文件，你的文件就可以跨平台。
3. b 模式对Linux没什么卵用，因为Linux默认就是二进制处理，b模式对Windows系统有用。
6-1 rb 模式
#rb模式 要读取的test11.py里文件的内容如下： hello1 22222 33333 4444 你好啊林师傅 f=open(\'test11.py\',\'rb\',encoding=\'utf-8\') # 结果：会报错 ValueError: binary mode doesn\'t take an encoding argument # 原因：文件存储在硬盘上是以二进制方式存储的，而读的时候就告诉了open函数，以 b（字节）的方式进行读取的，读取的就是原生的二进制，然后又指定编码，这是什么意思？是无意义的了。 #所以，b的方式不能指定编码 # 正确的读取方式 f = open(\'test11.py\',\'rb\') #b的方式不能指定编码,读取就正确了 data = f.read() print(data) # 结果 b\'hello1\\r\\n22222\\r\\n33333\\r\\n4444\\r\\n\\xe4\\xbd\\xa0\\xe5\\xa5\\xbd\\xe5\\x95\\x8a\\xe6\\x9e\\x97\\xe5\\xb8\\x88\\xe5\\x82\\x85\' 结果解析： b：代表读出来的是原生的字节形式 \\r\\n：Windows里的回车键就是以\\r\\n表示的，表示一个换行 \\xe4\\xbd\\xa0\\xe5\\xa5\\xbd\\xe5\\x95\\x8a\\xe6\\x9e\\x97\\xe5\\xb8\\x88\\xe5\\x82\\x85：因为读取的就是二进制，所以中文在硬盘上就是这么存储的。 # 那还是以b的方式读取，就想看到转译后的人类可读的文字，怎么办？ 将二进制转换成字符串的形式就可以了。 文件往硬盘里存的时候，在内存里是字符串的形式，通过编码之后，以字节的方式存在硬盘里的： 字符串(内存） -----> encoding ------> bytes（硬盘） 所以，想让人能看懂，先从硬盘读取，然后解码到内存： bytes(硬盘） ----->decode ------> 字符串 f = open(\'test11.py\',\'rb\') data = f.read() print(data.decode(\'utf-8\')) # # 结果 ： 就变成人类可读的语言了 hello1 22222 33333 4444 你好啊林师傅
6-2 wb模式
# 指定要以b模式写文件 f=open(\'test22.py\',\'wb\') #b的方式不能指定编码 # 方式1：通过bytes函数将字符串进行编码，转换成字节形式写入文件 f.write(bytes(\'1111\\n\',encoding=\'utf-8\')) # 把字符串转换为字节写入 # 方式2：字符串本身就具有encode方法，所以可以直接 .encode()进行编码然后写入 f.write(\'杨件\'.encode(\'utf-8\')) # 结果 1111 杨件
6-3 ab模式
f=open(\'test22.py\',\'ab\') #b的方式不能指定编码 f.write(\'杨老二\'.encode(\'utf-8\')) # a追加，a不代表在最后一行追加写入，而是代表在文件最后的光标位置开始追加写入 # 举例：最后一行有换行，那光标就是定位在有文字内容的下一行的 # 结果 1111 杨件 杨老二
7. 文件的其他操作方法
f = open(\'www.txt\',\'w\',encoding= \'gbk\') # closed：查看文件是否关闭 print(f.closed) # False:表示文件是打开的， True:表示文件是关闭了 # 得到的是文件打开的编码方式，而不是原文件的存储编码； 如果文件打开模式为b,则没有该属性
f = open(\'www.txt\',\'w\',encoding= \'gbk\') print(f.encoding) # 这个方法指的是open()函数，打开文件时，encoding = "gbk" 这个编码 # 如果真不知道文件编码，怎么办？ # latin-1： 拉丁编码方式，会最大程度的保证文件能正确读出来---欠着，貌似还有不对的地方。 f = open(\'www.txt\',\'r\', encoding = \'latin-1\') data = f.read() print(data)
f = open(\'www.txt\',\'w\',encoding= \'gbk\') print(f.fileno()) # 文件描述符，没啥用 print(f.errors) # 关于文件的报错，没啥大用 f.flush() # 刷新文件，将写在内存里的文件刷新保存到硬盘上去（通过cmd终端演示能看到效果） f.isatty() # 看你用的是不是个终端设备 print(f.name) # www.txt 看文件的内容
文件内容如下： naidfna kfad jfalkdj爱看的积 分安监局卡的房间大 了借款方 f = open(\'www123.txt\',\'r+\',encoding= \'utf-8\') # f.write("naidfna kfad \\njfalkdj\\n爱看的积分安监局卡的\\n房间大了借款方 ") print(f.readlines()) # 结果 # [\'naidfna kfad\\n\', \'jfalkdj爱看的积\\n\', \'分安监局卡的房间大\\n\', \'了借款方\'] 这里为啥是\\n, 因为换行符被python3多余处理了一下，去掉了\\r（Windows） # 让python保持原样，文件里本来的换行符是什么就显示什么，不做处理，需要在读取的时候 指定 newline = \'\' # 读取文件中真正的换行符号 f = open(\'www123.txt\',\'r+\',encoding= \'utf-8\' ,newline = \'\') # 结果，就显示 \\r\\n了。 [\'naidfna kfad\\r\\n\', \'jfalkdj爱看的积\\r\\n\', \'分安监局卡的房间大\\r\\n\', \'了借款方\']
8. 文件内光标移动（文件操作方法）
一: read(3)：
1. 文件打开方式为文本模式时，代表读取3个字符
2. 文件打开方式为b模式时，代表读取3个字节
二: 其余的文件内光标移动都是以字节为单位如seek，tell，truncate
注意：
1. seek有三种移动方式0，1，2，其中1和2必须在b模式下进行，但无论哪种模式，都是以bytes为单位移动的
2. truncate是截断文件，所以文件的打开方式必须可写，但是不能用w或w+等方式打开，因为那样直接清空文件了，所以truncate要在r+或a或a+等模式下测试效果
1. tell()方法 # 告诉当前文件光标所在的位置,因为文件存储的都是二进制的形式，utf-8一个汉字占3个字节，一个换行也占3个字节(\\r\\n) f = open(\'www123.txt\',\'r+\',encoding= \'utf-8\' ,newline = \'\') f.readline() # 读一行文件 print(f.tell()) # 14, 读了上面文件内容一行后，当前文件光标的位置在第14个字节处 2. seek()方法 # seek()：用来控制光标的移动， 0 ，1 ，2 等表示字节数 f.seek(0) f.seek(3) # utf-8一个汉字占3个字节，所以对汉字至少是3的倍数进行seek，否则就会报错 # seek 默认是从文件开头移动的 with open(\'seek.txt\', \'r\', encoding= \'utf-8\') as f: print(f.tell()) # 0 刚打开文件，读取的光标位置为0 print(f.seek(10)) # 10 光标移动了10字节 print(f.tell()) # 10 print(f.seek(3)) # 3 上面已经seek 10个字节了，这里为啥不是13呢？ 还是前面说的，seek默认是从文件开头移动光标的。 print(f.tell()) # 3 备注： 其实seek()模式是从0开始的，上面的 seek(10) 其实 等于 seek(10, 0) ： 0 表示每次seek都是从文件开头移动 seek移动是以字节的方式进行，而0是默认从开头移动，0这种方式模式就是以b字节模式进行移动，所以不用指定b模式。 而以 1 这种相对位置进行seek，必须指定 b模式，而二进制还不能指定打开文件的编码方式 # 基于相对位置的seek seek(10,1): 1 代表相对位置，相对于上一次光标移动的位置是10，那么下一次移动就从10这个相对位置开始再往后移动 with open(\'seek.txt\', \'rb\', encoding= \'utf-8\') as f: print(f.seek(10, 1)) # 报错 io.UnsupportedOperation: can\'t do nonzero cur-relative seeks：以相对位置进行seek,必须指定b模式 ValueError: binary mode doesn\'t take an encoding argument： 以b模式处理文件，就不能进行其他编码 所以，seek的相对位置移动，正确的处理方法如下： with open(\'seek.txt\', \'rb\') as f: print(f.tell()) # 0 print(f.seek(10, 1)) # 10 print(f.tell()) # 10 print(f.seek(3,1)) # 13 print(f.tell()) # 13 最有用的seek，从文件末尾倒叙往前seek,然后读取的时候，就是从光标所在位置开始，读取后面的所有内容 文件内容： 你好\\r\\n hello\\r\\n 546\\r\\n 123\\r\\n # 注意，为了能看出效果，上面的换行符号用\\r\\n表示，实际是不可能这样写的。 windows下，换行符 = \\r\\n, 一个换行符就占2个字节 with open(\'seek.txt\', \'rbPython开发第十五篇：Web框架之Tornado