在python中读/写txt文件后文件大小发生变化

Posted 2023-03-07

【中文标题】在python中读/写txt文件后文件大小发生变化

【英文标题】：File size changes after read/write txt file in python

【发布时间】：2018-03-14 09:27:48

【问题描述】：

在使用 Python 执行以下代码生成文本文件的副本后，newfile.txt 的文件大小与 oldfile.txt 的文件大小不同。

with open('oldfile.txt','r') as a, open('newfile.txt','w') as b:
    content = a.read()
    b.write(content)

虽然 oldfile.txt 有例如667 KB，newfile.txt 有 681 KB。

有人对此有解释吗？

【问题讨论】：

您很难检查两个文件的差异吗？有一些工具可以做到这一点。 （但我猜你可能会发现它与行尾有关。）

When to open file in binary mode (b)? 回答了这个问题，“文本”模式的解释比这里的答案更长。

你是 Windows 用户，对吧？

是的，我在 Windows 中生成了 oldfile.txt。它的换行符是\r\n，而newfile.txt 中的换行符是\n。我明白了，以二进制模式打开文件 with open('oldfile.txt', 'rb') as a, open('newfile.txt', 'wb') as b:... 会保留换行符。

【参考方案1】：

有多种原因。

您正在将文件作为文本文件打开，因此文件的字节被解释（解码）为 python，然后被编码。所以可能会有变化。

来自open 文档 (https://docs.python.org/3/library/functions.html#open)：

从流中读取输入时，如果换行符为 None，则启用通用换行符模式。输入中的行可以以 '\n'、'\r' 或 '\r\n' 结尾，这些行在返回给调用者之前会被翻译成 '\n'。

因此，如果原始文件是 ASCII（例如在 Windows 中生成），您将删除 \r。但是在写回文件时，您将不再拥有原始的\r（如果您在 Linux 或 MacOs 中），或者您将始终拥有\r\n，如果您在 Windows 上（似乎是这样，因为您的文件增加了大小）。

编码也可以改变文本。例如。 BOM 标记可以被删除（或添加），并且可能（但 AFAIK 并没有隐式完成），不需要的代码可以被删除（你可以在 Unicode 中有一些额外的代码，这会改变附近代码的行为。可以添加更多其中之一，但只有最后一个有效。

【讨论】：

真的，谢谢。当我以二进制模式读/写时，文件内容保持不变。

【参考方案2】：

我在 Linux / Ubuntu 上试过。它按预期工作，两个文件的文件大小完全相等。

在这一点上，我猜这种行为与 python 无关，可能取决于你的文件系统（压缩）或操作系统。

【讨论】：

一个测试是确定的，只要它证明它是错误的。您尚未测试所有案例。